Büşra BÜYÜKTANIR, Kazım YILDIZ, Eyüp Emre ÜLKÜ, Tolga BÜYÜKTANIR

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

İstemcilerin (uçta çalışan cihazlar) ve sunucuların birlikte çalışması gereken sistemlerde makine öğrenmesi modeli kullanılması bir ihtiyaçtır. Ancak istemcilerden verilerin toplanması, sunucuya aktarılması, makine öğrenmesi modeli eğitilmesi ve ardından bu modelin istemcilerde çalışan cihazlara entegre edilmesi bir çok problemi beraberinde getirmektedir. Verilerin istemcilerden sunucuya transferi ağ trafiğine sebep olmakta ve fazla enerji gerektirmektedir. Bütün veriler aktarılacağı için veri mahremiyeti de istismar edilebilmektedir. Çalışma kapsamında, bu problemlerin çözümü için bir mimari önerilmektedir. Mimariye göre her bir istemcide kendi verilerinden bir makine öğrenmesi modeli eğitilmektedir. Eğitilen model sunucuya gönderilmekte ve sunucuda bu modeller birleştirilerek yeni bir model oluşturulmaktadır. Oluşturulan nihai model tekrar istemcilere dağıtılmaktadır. Bu sayede ağ trafiği azaltılmakta, enerji ihtiyacı düşürülmekte ve veri mahremiyeti bütün veriler yerine tek başına anlamsız olan veriler gönderildiği için korunmaktadır. Ayrıca tüm istemcilerdeki modeller güncel kalmaktadır. Bu çalışma kapsamında önerilen mimariye ait bir simülasyon ortamı oluşturulmuştur. Simülasyon ortamında iki farklı şekilde model eğitimi gerçekleştirilmiş ve elde edilen iki model kıyaslanmıştır. İlk model istemcilerden sunucuya verilerin aktarılmasıyla ve bu verilerden model eğitilmesiyle elde edilmiştir. İkincisi ise önerilen mimari olan istemcilerde model eğitilip sunucuda modellerin birleştirilmesi ile nihai modelin eğitilmesidir. Önerilen mimariyi simülasyonda gerçekleştirmek için Incremental Classification Based on Association (I-CBA) olarak adlandırılan algoritma geliştirilmiştir. I-CBA ve ilişkisel sınıflandırma algoritmalarından biri olan CBA kullanılarak, UCI veri havuzundan alınan beş veri kümesi ile modeller eğitilmiştir. Deneysel sonuçlar CBA ile karşılaştırıldığında, I-CBA ile model eğitim süresinin yaklaşık olarak %70 oranında azaldığını ve neredeyse aynı doğruluğu elde ettiğini göstermiştir. Bu sonuçlar önerilen mimarinin başarıya ulaştığını ortaya koymaktadır.

Anahtar Kelimeler:

Veriden habersiz makine öğrenmesi, artırımlı öğrenme, veri mahremiyeti, CBA, ilişkisel sınıflandırma

PDF

___

Yazici, M. T., Basurra, S., & Gaber, M. M. (2018). Edge machine learning: Enabling smart internet of things applications. Big data and cognitive computing, 2(3), 26.
Merenda, M., Porcaro, C., & Iero, D. (2020). Edge machine learning for ai-enabled iot devices: A review. Sensors, 20(9), 2533.
Murshed, M. S., Murphy, C., Hou, D., Khan, N., Ananthanarayanan, G., & Hussain, F. (2021). Machine learning at the network edge: A survey. ACM Computing Surveys (CSUR), 54(8), 1-37.
Du, M., Wang, K., Chen, Y., Wang, X., & Sun, Y. (2018). Big data privacy preserving in multi-access edge computing for heterogeneous Internet of Things. IEEE Communications Magazine, 56(8), 62-67.
Priya, S., & Selvakumar, S. (2022). PaSOFuAC: Particle Swarm Optimization Based Fuzzy Associative Classifier for Detecting Phishing Websites. Wireless Personal Communications, 1-30.
ÇETİN, E., & ORTATAŞ, F. (2021). Elektrikli ve Otonom Araçlarda Makine Öğrenmesi Kullanarak Trafik Levhaları Tanıma ve Simülasyon Uygulaması. El-Cezeri, 8(3), 1081-1092.
Gözüaçık, N. (2021, June). A Virtual Assistant for Predicting Defective Software Module. In 2021 29th Signal Processing and Communications Applications Conference (SIU) (pp. 1-4). IEEE.
GÖKDEMR, 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.
Güngör, E., Sinem, A. K., & Orman, Z. Makine Öğrenmesine Dayalı Mobil İngilizce Öğrenme Uygulaması. Bilgisayar Bilimleri ve Teknolojileri Dergisi, 1(2), 58-65.
Liu, B., Hsu, W., & Ma, Y. (1998, August). Integrating classification and association rule mining. In Kdd (Vol. 98, pp. 80-86).
Li, W., Han, J., & Pei, J. (2001, November). CMAR: Accurate and efficient classification based on multiple class-association rules. In Proceedings 2001 IEEE international conference on data mining (pp. 369-376). IEEE.
Thabtah, F., Cowling, P., & Peng, Y. (2005, January). MCAR: multi-class classification based on association rule. In The 3rd ACS/IEEE International Conference onComputer Systems and Applications, 2005. (p. 33). IEEE.
Alwidian, J., Hammo, B., & Obeid, N. (2016). Enhanced CBA algorithm based on apriori optimization and statistical ranking measure. In Proceeding of 28th International Business Information Management Association (IBIMA) conference on Vision (Vol. 2020, pp. 4291-4306).
Alwidian, J., Hammo, B., & Obeid, N. (2016). FCBA: fast classification based on association rules algorithm. International Journal of Computer Science and Network Security (IJCSNS), 16(12), 117.
Alwidian, J., Hammo, B. H., & Obeid, N. (2018). WCBA: Weighted classification based on association rules algorithm for breast cancer disease. Applied Soft Computing, 62, 536-549.
Gepperth, A., & Hammer, B. (2016). Incremental learning algorithms and applications. In European symposium on artificial neural networks (ESANN).
Hu, C., Chen, Y., Hu, L., & Peng, X. (2018). A novel random forests based class incremental learning method for activity recognition. Pattern Recognition, 78, 277-290.
Alnababteh, M. H., Alfyoumi, M., Aljumah, A., & Ababneh, J. (2014). Associative Classification Based on Incremental Mining (ACIM). International Journal of Computer Theory and Engineering, 6(2), 135.
Al-Fayoumi, M. A. (2015). Enhanced Associative classification based on incremental mining Algorithm (E-ACIM). International Journal of Computer Science Issues (IJCSI), 12(1), 124.
Tang, C., Li, W., Wang, P., & Wang, L. (2018). Online human action recognition based on incremental learning of weighted covariance descriptors. Information Sciences, 467, 219-237.
Ristin, M., Guillaumin, M., Gall, J., & Van Gool, L. (2015). Incremental learning of random forests for large-scale image classification. IEEE transactions on pattern analysis and machine intelligence, 38(3), 490-503.
Wu, C. J., Brooks, D., Chen, K., Chen, D., Choudhury, S., Dukhan, M., ... & Zhang, P. (2019, February). Machine learning at facebook: Understanding inference at the edge. In 2019 IEEE International Symposium on High Performance Computer Architecture (HPCA) (pp. 331-344). IEEE.
Browne, P. R., Sweeting, A. J., & Robertson, S. (2022). Modelling the Influence of Task Constraints on Goal Kicking Performance in Australian Rules Football. Sports Medicine-Open, 8(1), 1-12.
pyarc 1.1.4. https://pypi.org/project/pyarc/ . Yayın tarihi Aralık 9, 2020. Erişim tarihi Aralık 26, 2021.
Agrawal, R., & Srikant, R. (1994, September). Fast algorithms for mining association rules. In Proc. 20th int. conf. very large data bases, VLDB (Vol. 1215, pp. 487-499).
Abdelhamid, N. (2015). Multi-label rules for phishing classification. Applied Computing and Informatics, 11(1), 29-46.
Moh'd Iqbal, A. L., Hadi, W. E., & Alwedyan, J. (2013). Detecting Phishing Websites Using Associative Classification. Journal of Information Engineering and Applications, VoI, 3.
Thabtah, F., Hadi, W., Abdelhamid, N., & Issa, A. (2011). Prediction phase in associative classification mining. International Journal of Software Engineering and Knowledge Engineering, 21(06), 855-876.
UCI Machine Learning Repository. https://archive.ics.uci.edu/ml/datasets/car+evaluation . Erişim tarihi Aralık 26, 2021.
UCI Machine Learning Repository. https://archive.ics.uci.edu/ml/datasets/bank+marketing . Erişim tarihi Aralık 26, 2021.
UCI Machine Learning Repository. https://archive.ics.uci.edu/ml/datasets/mushroom . Erişim tarihi Aralık 26, 2021.
UCI Machine Learning Repository. https://archive.ics.uci.edu/ml/datasets/nursery . Erişim tarihi Aralık 26, 2021.
UCI Machine Learning Repository. https://archive.ics.uci.edu/ml/datasets/adult . Erişim tarihi Aralık 26, 2021.
Menzies, T., & Hu, Y. (2003). Data mining for very busy people. Computer, 36(11), 22-29.