du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi

Büşra BÜYÜKTANIR, (Marmara Üniversitesi, Teknoloji Fakültesi, Bilgisayar Mühendisliği Bölümü, İstanbul, Türkiye)
Kazım YILDIZ, (Marmara Üniversitesi, Teknoloji Fakültesi, Bilgisayar Mühendisliği Bölümü, İstanbul, Türkiye)
Eyüp Emre ÜLKÜ, (Marmara Üniversitesi, Teknoloji Fakültesi, Bilgisayar Mühendisliği Bölümü, İstanbul, Türkiye)
Tolga BUYUKTANIR (Loodos Tech, ARGE Ofisi, İstanbul, Türkiye)
Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi
5 3
Yıl: 2023 Cilt: 38 Sayı: 3 Sayfa Aralığı: 1919 - 1930 Metin Dili: Türkçe DOI: 10.17341/gazimmfd.1087746 İndeks Tarihi: 23-03-2023

du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi

Öz:
İstemci sunucu sistemlerinde makine öğrenmesi modeli kullanılması bir ihtiyaçtır. Ancak istemcilerden verilerin toplanması, sunucuya aktarılması, makine öğrenmesi modeli eğitilmesi ve bu modelin istemcilerde çalışan cihazlara entegre edilmesi bir çok problemi beraberinde getirmektedir. Verilerin istemcilerden sunucuya transferi ağ trafiğine sebep olmakta, fazla enerji gerektirmekte ve veri mahremiyetini istismar edilebilmektedir. Çalışma kapsamında, bahsedilen problemlere çözüm için federe öğrenme mimarisi kullanılmaktadır. Mimariye göre, her bir istemcide istemcinin kendi verilerinden makine öğrenmesi modeli eğitilmektedir. Her bir istemcide eğitilen modeller sunucuya gönderilmekte ve sunucuda bu modeller birleştirilerek yeni bir model oluşturulmaktadır. Oluşturulan nihai model tekrar istemcilere dağıtılmaktadır. Bu çalışmada Veriden Habersiz İlişkili Kurallara Dayalı Sınıflandırma (Data Unaware Classification Based on Association, du-CBA) olarak adlandırılan ilişkisel sınıflandırma algoritması geliştirilmiştir. Federe öğrenme ile klasik öğrenme mimarilerini karşılaştırıp başarılarını ölçmek için çalışma kapsamında benzetim ortamı oluşturulmuştur. Benzetim ortamında du-CBA ve CBA algoritmaları kullanılarak modeller eğitilmiş ve sonuçlar kıyaslanmıştır. Modellerin eğitiminde University of California Irvine (UCI) veri havuzundan alınan beş veri seti kullanılmıştır. Deneysel sonuçlar, her bir veri seti için federe öğrenme ile eğitilen modellerin, klasik öğrenme ile eğitilen modellerle neredeyse aynı doğruluğu elde ettiğini ama eğitim sürelerinin yaklaşık %70 oranında azaldığını göstermiştir. Sonuçlar geliştirilen algoritmanın başarıya ulaştığını ortaya koymaktadır.
Anahtar Kelime: Federe öğrenme veriden habersiz makine öğrenmesi veri mahremiyeti CBA ilişkisel sınıflandırma

du-CBA: Data-agnostic and incremental classification-based association rules extraction architecture

Öz:
It is a necessity to use machine learning model in client server syst ems. However, collecting data from the clients, transferring them to the server, training the machine learning model and integrating this model into the devices running on the clients bring along many problems. The transfer of data from the clients to the server causes network traffic, requires a lot of energy, and data privacy can be abused. Within the scope of the study, federated learning architecture is used to solve the mentioned problems. According to the architecture, the machine learning model is trained on each client from the client's own data. Models trained on each client are sent to the server and a new model is created by merging these models on the server. The final model created is distributed to the clients again. In this study, a relational classification algorithm called Data Unaware Classification Based on Association (du-CBA) was developed. In order to compare federated learning and classical learning architectures and measure their success, a simulation environment was created within the scope of the study. Models were trained using du-CBA and CBA algorithms in the simulation environment and the results were compared. Five data sets from the University of California Irvine (UCI) repository were used to train the models. Experimental results showed that for each dataset, the models trained with federated learning achieved almost the same accuracy as the models trained with classical learning, but the training times were decreased by about 70%. The results show that the developed algorithm has been successful.
Anahtar Kelime: Federated learning data-unaware machine learning data privacy CBA associative classification

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
  • 1. Yazici, M. T., Basurra, S., & Gaber, M. M., Edge machine learning: Enabling smart internet of things applications. Big data and cognitive computing, 2 (3), 26, 2018.
  • 2. Merenda, M., Porcaro, C., & Iero, D., Edge machine learning for ai-enabled iot devices: A review. Sensors, 20 (9), 2533, 2020.
  • 3. Murshed, M. S., Murphy, C., Hou, D., Khan, N., Ananthanarayanan, G., & Hussain, F., Machine learning at the network edge: A survey. ACM Computing Surveys (CSUR), 54 (8), 1-37, 2021.
  • 4. Du, M., Wang, K., Chen, Y., Wang, X., & Sun, Y., Big data privacy preserving in multi-access edge computing for heterogeneous Internet of Things. IEEE Communications Magazine, 56 (8), 62-67, 2018.
  • 5. Büyüknacar, Y., Canbay, Y., Federe öğrenme ve veri mahremiyeti, 2021.
  • 6. Priya, S., & Selvakumar, S., PaSOFuAC: Particle Swarm Optimization Based Fuzzy Associative Classifier for Detecting Phishing Websites. Wireless Personal Communications, 1-30, 2022.
  • 7. Çetin, E., & Ortalaş, F., Elektrikli ve Otonom Araçlarda Makine Öğrenmesi Kullanarak Trafik Levhaları Tanıma ve Simülasyon Uygulaması. El-Cezeri, 8 (3), 1081-1092, 2021.
  • 8. Gözüaçık, N., A Virtual Assistant for Predicting Defective Software Module, 29th Signal Processing and Communications Applications Conference (SIU), IEEE, 1-4, June, 2021.
  • 9. Gökdemir, A., Çalhan, A., Deep learning and machine learning based anomaly detection in internet of things environments, Journal of the Faculty of Engineering and Architecture of Gazi University, 37 (4), 1945-1956, 2022.
  • 10. Güngör, E., Sinem, A. K., & Orman, Z., Makine Öğrenmesine Dayalı Mobil İngilizce Öğrenme Uygulaması, Bilgisayar Bilimleri ve Teknolojileri Dergisi, 1 (2), 58-65, 2021.
  • 11. Liu, B., Hsu, W., & Ma, Y., Integrating classification and association rule mining, In Kdd, Vol. 98, pp. 80-86, August, 1998.
  • 12. [12] Li, W., Han, J., & Pei, J., CMAR: Accurate and efficient classification based on multiple class-association rules, In Proceedings 2001 IEEE international conference on data mining, 369-376, November, 2001.
  • 13. Thabtah, F., Cowling, P., & Peng, Y., MCAR: multi-class classification based on association rule, In The 3rd ACS/IEEE International Conference onComputer Systems and Applications, 33, January, 2005.
  • 14. Alwidian, J., Hammo, B., & Obeid, N., Enhanced CBA algorithm based on apriori optimization and statistical ranking measure, In Proceeding of 28th International Business Information Management Association (IBIMA) conference on Vision, 2020, 4291-4306, 2016.
  • 15. Alwidian, J., Hammo, B., & Obeid, N., FCBA: fast classification based on association rules algorithm, International Journal of Computer Science and Network Security (IJCSNS), 16 (12), 117, 2016.
  • 16. Alwidian, J., Hammo, B. H., & Obeid, N., WCBA: Weighted classification based on association rules algorithm for breast cancer disease, Applied Soft Computing, 62, 536-549, 2018.
  • 17. Gepperth, A., & Hammer, B., Incremental learning algorithms and applications, In European symposium on artificial neural networks (ESANN), 2016.
  • 18. Hu, C., Chen, Y., Hu, L., & Peng, X., A novel random forests based class incremental learning method for activity recognition, Pattern Recognition, 78, 277-290, 2018.
  • 19. Tanarat, S., & Kreesuradej, W., Incremental Classification Based on Association Rules Algorithm (ICBA), In Proceedings of the International Conference on Data Science (ICDATA), p. 1, The Steering Committee of the World Congress in Computer Science, Computer Engineering and Applied Computing (WorldComp), 2011.
  • 20. Alnababteh, M. H., Alfyoumi, M., Aljumah, A., & Ababneh, J., Associative Classification Based on Incremental Mining (ACIM), International Journal of Computer Theory and Engineering, 6 (2), 135, 2014.
  • 21. Al-Fayoumi, M. A., Enhanced Associative classification based on incremental mining Algorithm (E-ACIM), International Journal of Computer Science Issues (IJCSI), 12 (1), 124, 2015.
  • 22. Tang, C., Li, W., Wang, P., & Wang, L., Online human action recognition based on incremental learning of weighted covariance descriptors, Information Sciences, 467, 219-237, 2018.
  • 23. Ristin, M., Guillaumin, M., Gall, J., & Van Gool, L., Incremental learning of random forests for large-scale image classification, IEEE transactions on pattern analysis and machine intelligence, 38 (3), 490-503, 2015.
  • 24. Wu, C. J., Brooks, D., Chen, K., Chen, D., Choudhury, S., Dukhan, M., ... & Zhang, P., Machine learning at facebook: Understanding inference at the edge, In 2019 IEEE International Symposium on High Performance Computer Architecture (HPCA), 331-344, February, 2019.
  • 25. Jiang, J.C., et al., Federated learning in smart city sensing: Challenges and opportunities.Sensors, 20 (21), 6230, 2020.
  • 26. Liu, Y., et al., A systematic literature review on federated learning: From a model quality perspective. arXiv preprint arXiv:2012.01973, 2020.
  • 27. Yang, Q., et al., Federated learning. Synthesis Lectures on Artificial Intelligence and Machine Learning, 13 (3), 1-207, 2019.
  • 28. Browne, P. R., Sweeting, A. J., & Robertson, S., Modelling the Influence of Task Constraints on Goal Kicking Performance in Australian Rules Football, Sports Medicine-Open, 8 (1), 1-12, 2022.
  • 29. Agrawal, R., Imieliński, T., & Swami, A., Mining association rules between sets of items in large databases, In Proceedings of the 1993 ACM SIGMOD international conference on Management of data, 207-216, June, 1993.
  • 30. Menzies, T., & Hu, Y., Data mining for very busy people, Computer, 36 (11), 22-29, 2003.
  • 31. pyarc 1.1.4. https://pypi.org/project/pyarc/. Yayın tarihi Aralık 9, 2020. Erişim tarihi Aralık 26, 2021.
  • 32. Agrawal, R., & Srikant, R., Fast algorithms for mining association rules, In Proc. 20th int. conf. very large data bases, VLDB, 1215, 487-499, September, 1994.
  • 33. Abdelhamid, N., Multi-label rules for phishing classification, Applied Computing and Informatics, 11 (1), 29-46, 2015.
  • 34. Moh'd Iqbal, A. L., Hadi, W. E., & Alwedyan, J., Detecting Phishing Websites Using Associative Classification, Journal of Information Engineering and Applications, 3, 2013.
  • 35. Thabtah, F., Hadi, W., Abdelhamid, N., & Issa, A., Prediction phase in associative classification mining, International Journal of Software Engineering and Knowledge Engineering, 21 (06), 855-876, 2011.
  • 36. UCI Machine Learning Repository. https://archive.ics.uci.edu/ml/datasets/car+evaluation. Erişim tarihi Aralık 26, 2021.
  • 37. UCI Machine Learning Repository. https://archive.ics.uci.edu/ml/datasets/bank+marketing. Erişim tarihi Aralık 26, 2021.
  • 38. UCI Machine Learning Repository. https://archive.ics.uci.edu/ml/datasets/mushroom. Erişim tarihi Aralık 26, 2021.
  • 39. UCI Machine Learning Repository. https://archive.ics.uci.edu/ml/datasets/nursery. Erişim tarihi Aralık 26, 2021.
  • 40. UCI Machine Learning Repository. https://archive.ics.uci.edu/ml/datasets/adult. Erişim tarihi Aralık 26, 2021.
APA Büyüktanır B, Yıldız K, ULKU E, Büyüktanır T (2023). du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi. , 1919 - 1930. 10.17341/gazimmfd.1087746
Chicago Büyüktanır Büşra,Yıldız Kazım,ULKU Eyup Emre,Büyüktanır Tolga du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi. (2023): 1919 - 1930. 10.17341/gazimmfd.1087746
MLA Büyüktanır Büşra,Yıldız Kazım,ULKU Eyup Emre,Büyüktanır Tolga du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi. , 2023, ss.1919 - 1930. 10.17341/gazimmfd.1087746
AMA Büyüktanır B,Yıldız K,ULKU E,Büyüktanır T du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi. . 2023; 1919 - 1930. 10.17341/gazimmfd.1087746
Vancouver Büyüktanır B,Yıldız K,ULKU E,Büyüktanır T du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi. . 2023; 1919 - 1930. 10.17341/gazimmfd.1087746
IEEE Büyüktanır B,Yıldız K,ULKU E,Büyüktanır T "du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi." , ss.1919 - 1930, 2023. 10.17341/gazimmfd.1087746
ISNAD Büyüktanır, Büşra vd. "du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi". (2023), 1919-1930. https://doi.org/10.17341/gazimmfd.1087746
APA Büyüktanır B, Yıldız K, ULKU E, Büyüktanır T (2023). du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 38(3), 1919 - 1930. 10.17341/gazimmfd.1087746
Chicago Büyüktanır Büşra,Yıldız Kazım,ULKU Eyup Emre,Büyüktanır Tolga du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 38, no.3 (2023): 1919 - 1930. 10.17341/gazimmfd.1087746
MLA Büyüktanır Büşra,Yıldız Kazım,ULKU Eyup Emre,Büyüktanır Tolga du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, vol.38, no.3, 2023, ss.1919 - 1930. 10.17341/gazimmfd.1087746
AMA Büyüktanır B,Yıldız K,ULKU E,Büyüktanır T du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2023; 38(3): 1919 - 1930. 10.17341/gazimmfd.1087746
Vancouver Büyüktanır B,Yıldız K,ULKU E,Büyüktanır T du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi. 2023; 38(3): 1919 - 1930. 10.17341/gazimmfd.1087746
IEEE Büyüktanır B,Yıldız K,ULKU E,Büyüktanır T "du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi." Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 38, ss.1919 - 1930, 2023. 10.17341/gazimmfd.1087746
ISNAD Büyüktanır, Büşra vd. "du-CBA: Veriden habersiz ve artırımlı sınıflandırmaya dayalı birliktelik kuralları çıkarma mimarisi". Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 38/3 (2023), 1919-1930. https://doi.org/10.17341/gazimmfd.1087746
Sayfa Oluşturulma Tarihi
24-04-2024 6:9

İLETİŞİM

TÜBİTAK ULAKBİM TR Dizin

Yüzüncüyıl, İşçi Blokları Mahallesi

Muhsin Yazıcıoğlu Caddesi No:51/C

06530 Çankaya / ANKARA +90 (312) 298 92 00

trdizin@tubitak.gov.tr

TÜBİTAK ULAKBİM Ulusal Akademik Ağ ve Bilgi Merkezi Cahit Arf Bilgi Merkezi © Tüm Hakları Saklıdır. Gizlilik Politikası Kullanım Şartları