Anonimização de Dados e sua Influência na Performance de Modelos de Machine Learning: Uma Análise Comparativa

Abstract

Com a crescente demanda por privacidade e segurança dos dados, as técnicas de anonimização emergem como uma alternativa para diminuir a possibilidade da violação dessas esferas no treinamento dos modelos de machine learning. Assim, o presente trabalho teve o objetivo de apresentar uma análise comparativa entre modelos treinados com dados anonimização e com dados puros, avaliando os respectivos impactos na performance. A análise consistiu no uso de algoritmos de classificação para avaliar o desempenho dos modelos em ambos os casos. Os resultados indicam que a técnica de anonimização aplicada não resultou em grandes prejuízos ao desempenho dos modelos, sendo possível concluir que essa técnica é viável em cenários onde a privacidade é essencial, e sem comprometer o desempenho dos modelos.