Privacidade Diferencial Adaptativa por Meio de Informação Mútua para Preservação da Utilidade em Aprendizado de Máquina

• Ivo A. Pimenta UECE
• Rafael L. Gomes UECE

DOI: https://doi.org/10.5753/sbseg_estendido.2026.29663

Resumo

A crescente utilização de aprendizado de máquina sobre dados sensíveis tem ampliado a necessidade de mecanismos de preservação de privacidade. Contudo, mecanismos tradicionais de Privacidade Diferencial aplicam perturbação uniforme a todos os atributos, desconsiderando diferenças de relevância preditiva e dependências estatísticas entre características. Dentro desse contexto, a dissertação apresentada neste documento propôs o Mutual Information Adaptive Differential Privacy (MIADP), um mecanismo de anonimização independente de modelo que distribui o orçamento de privacidade de forma adaptativa utilizando Informação Mútua para mensurar a relevância dos atributos e emprega injeção de ruído sensível à correlação para preservar estruturas estatísticas relevantes. Avaliações experimentais realizadas em diferentes conjuntos de dados reais demonstram que o MIADP supera consistentemente mecanismos tradicionais, especialmente sob restrições severas de privacidade.

Referências

Gomes, R., Mosca, E., Aquino, C., Braga Neto, A., and Pimenta, I. (2024). Agricultura de precisão integrando de rede em malha iot e computação em nuvem. Revista de Ciência da Computação, 6(1):5–12.

Gong, X., Chen, Y., Wang, Q., Wang, M., and Li, S. (2022). Private data inference attacks against cloud: Model, technologies, and research directions. IEEE Communications Magazine, 60(9):46–52.

Hyrup, T., Lautrup, A. D., Zimek, A., and Schneider-Kamp, P. (2025). A systematic review of privacy-preserving techniques for synthetic tabular health data. Discover Data, 3(1):1–32.

Kamalov, F., Pourghebleh, B., Gheisari, M., Liu, Y., and Moussa, S. (2023). Internet of medical things privacy and security: Challenges, solutions, and future trends from a new perspective. Sustainability, 15(4).

Mesquita, M., Linhares, M., Portela, A., Pimenta, I., Araújo, T., and Gomes, R. (2026). Predição iterativa de vazão de rede utilizando uma abordagem de janelas deslizantes combinada com imputação de dados dinâmica. In Anais do XLIV Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 1164–1177, Porto Alegre, RS, Brasil. SBC.

Nascimento, E., Pimenta, I., Lee, M., Santos, J., Araújo, T., and Gomes, R. (2026a). Usando representações não supervisionadas para extração de características em grafos em dados de redes sociais. In Anais do XLIV Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 1499–1512, Porto Alegre, RS, Brasil. SBC.

Nascimento, E. S., Pimenta, I. A., Lee, M. H., de Araujo, T., and Gomes, R. L. (2026b). A decoupled embedding-based framework for efficient node classification on social networks. Journal of Internet Services and Applications, 17(1):214–223.

Pimenta, I., Araújo, R., Rodrigues, R., Silveira, M., and Gomes, R. (2025a). Anonimização de dados para inteligência artificial usando o algoritmo da tropa dos gorilas. In Anais do XLIII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 448–461, Porto Alegre, RS, Brasil. SBC.

Pimenta, I., Braga Neto, A., Moura, E., Freitas, K., Lee, M., and Gomes, R. (2025b). Gerenciamento adaptÁvel de dispositivos iot heterogÊneos em casas inteligentes. Revista de Ciência da Computação, 7(1):26–32.

Pimenta, I., Freitas, K., Moura, E., Nascimento, E., Faria, F., and Gomes, R. (2026a). Perturbação controlada de autovetores em pca para preservação de privacidade em dados sensíveis. In Anais do XLIV Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 1136–1149, Porto Alegre, RS, Brasil. SBC.

Pimenta, I., Lee, M., Moura, E., Nascimento, E., Filho, G. R., and Gomes, R. (2026b). Preservando a utilidade de dados urbanos via alocação adaptativa de ruído em privacidade diferencial. In Anais do X Workshop de Computação Urbana, pages 239–252, Porto Alegre, RS, Brasil. SBC.

Pimenta, I., Silva, D., Moura, E., Silveira, M., and Gomes, R. L. (2024a). Impact of data anonymization in machine learning models. In Proceedings of the 13th Latin-American Symposium on Dependable and Secure Computing, LADC ’24, page 188–191, New York, NY, USA. Association for Computing Machinery.

Pimenta, I., Souza, M., Aquino, C., Portela, A., and Gomes, R. (2024b). Predição de qualidade de vídeo em serviços de streaming utilizando redes 5g. In Anais do VIII Workshop de Computação Urbana, pages 43–56, Porto Alegre, RS, Brasil. SBC.

Pimenta, I. A., Aquino, C. A., Almeida, Y. O., Lima, V. C., and Gomes, R. L. (2024c). Prediction of multimedia quality over 5g networks in urban environments. In 2024 20th International Conference on Distributed Computing in Smart Systems and the Internet of Things (DCOSS-IoT), pages 748–755.

Pimenta, I. A., Lee, M. H., Bittencourt, L. F., and Gomes, R. L. (2026c). Adaptive privacy based on mutual information for machine learning in edge–cloud environments. IEEE Networking Letters, 8:49–53.

Silveira, M. M., Portela, A. L., Menezes, R. A., Souza, M. S., Silva, D. S., Mesquita, M. C., and Gomes, R. L. (2023). Data protection based on searchable encryption and anonymization techniques. In NOMS 2023-2023 IEEE/IFIP Network Operations and Management Symposium, pages 1–5. IEEE.

Souza, M., Ribeiro, S., Pimenta, I., Almeida, Y., Cardoso, F., and Gomes, R. (2024). Detecção inteligente de injeção de sql integrando ambientes de nuvem e borda. In Anais do XLII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 435–448, Porto Alegre, RS, Brasil. SBC.

Urbano, A., Costa, Y., Paula, M., Portela, A., Pimenta, I., and Gomes, R. (2024). Detecção inteligente de ips maliciosos através do monitoramento de ameaças. In Anais do XVI Simpósio Brasileiro de Computação Ubíqua e Pervasiva, pages 21–30, Porto Alegre, RS, Brasil. SBC.