Regroupements avec confidentialité différentielle

Confidentialité des données et anonymisation en Python

Rebeca Gonzalez

Data engineer

Comparer les modèles

Image montrant 3 grappes dans les données, après un regroupement k-moyennes non privé

Image montrant 3 grappes dans les données, après un regroupement k-moyennes privé

Comparer les modèles

Image montrant la différence entre les deux résultats de regroupement, en points roses

Différences entre les grappes des modèles
La majorité des résultats sont communs

Créer des modèles de regroupement avec confidentialité différentielle

from diffprivlib.models import KMeans


# Calculer les grappes avec le modèle DP
model = KMeans(epsilon=1, n_clusters=3)


# Exécuter le modèle et obtenir les grappes
clusters = model.fit_predict(X)

Améliorer les modèles DP de regroupement

On peut prétraiter les données avant le regroupement.
Mise à l'échelle des caractéristiques comme StandardScaler et réduction de dimension comme la PCA.
- Réduire l'inertie du modèle
- Obtenir des segments plus précis
On le fait avec diffprivlib comme avec les modèles sklearn.

Améliorer les modèles DP de regroupement

from sklearn.decomposition import PCA


# Initialiser la PCA
pca = PCA()


# Ajuster et transformer les données avec la PCA
X = pca.fit_transform(X)


# Calculer les grappes avec le modèle DP
model = dp_Kmeans(epsilon=1, n_clusters=3)


# Exécuter le modèle et obtenir les grappes
clusters = model.fit_predict(X)

Améliorer les modèles DP de regroupement

Image montrant deux nuages de points avec les grappes résultantes

Améliorer les modèles DP de regroupement

Image montrant la différence entre les deux résultats de regroupement, en points roses

Résultats améliorés grâce aux transformations de données

Méthode du coude

Image du tracé obtenu après application de la méthode du coude sur les données

Epsilon

from diffprivlib.models import KMeans as model


# Calculer les grappes avec le modèle DP
model = dp_Kmeans(epsilon=0.2, n_clusters=3)


# Exécuter le modèle et obtenir les grappes
clusters = model.fit_predict(X)

Epsilon

Image montrant deux nuages de points avec les grappes résultantes

Passons à la pratique !

Confidentialité des données et anonymisation en Python