ডিফারেনশিয়াল প্রাইভেসির গোপন ঝুঁকি: বিরল রোগীরা কেন পরিসংখ্যানে অদৃশ্য হয়ে যাচ্ছেন?

গণিতের নামকরা প্রযুক্তি ডিফারেনশিয়াল প্রাইভেসি গোপনীয়তা রক্ষায় অগ্রণী ভূমিকা রাখলেও, একই সময়ে বিরল রোগীদের অস্তিত্বকে পরিসংখ্যানের জগতে অদৃশ্য করে দিচ্ছে। একটা জাতীয় স্বাস্থ্য ডেটাবেজে যখন কোনো জেলায় বছরে মাত্র ৭-৮ জন রোগী বিরল রোগে আক্রান্ত হয়, তখন গাণিতিক 'নয়েজ' যোগের মাধ্যমে গোপনীয়তা সুরক্ষিত করার প্রচেষ্টা তাদের সংখ্যাকে সম্পূর্ণ অপরিবর্তনীয় করে তুলতে পারে। মার্কিন কম্পিউটার বিজ্ঞানী সিনথিয়া ডোয়ার্ক ২০০৬ সালে এই ধারণাটি গাণিতিকভাবে প্রতিষ্ঠা করলেন, এবং গত দশকে এটি স্বাস্থ্য ডেটা থেকে এআই মডেল প্রশিক্ষণ পর্যন্ত বিভিন্ন ক্ষেত্রে ব্যবহৃত হচ্ছে।

🔴 মূল পয়েন্ট

• 📌 **গাণিতিক 'নয়েজ' বিরল রোগীদের সংখ্যা ৫ থেকে ২ বা ৯-এ পরিবর্তন করে দিচ্ছে** — যা তাদের পরিসংখ্যানে অদৃশ্য করে তোলে
• 📌 **ডিফারেনশিয়াল প্রাইভেসি-সুরক্ষিত মেশিন লার্নিং মডেল ৯৭% নির্ভুলতা থেকে ৭৭%-এ নেমে আসে** যখন ছবির সংখ্যা কম থাকে
• 📌 **যুক্তরাষ্ট্রের আদমশুমারি ডেটায় ৮০% গ্রামীণ ও ছোট জনগোষ্ঠীর তথ্য অপ্রাপ্য হয়ে পড়েছে** গোপনীয়তা নিয়মের কারণে
• 📌 **মার্কিন আদিবাসী ও আলাস্কা নেটিভদের বয়স-লিঙ্গভিত্তিক তথ্য প্রায় ৮০% ক্ষেত্রে অপ্রাপ্য** হয়েছে

📰 বিস্তারিত

ডিফারেনশিয়াল প্রাইভেসির মূল কৌশল হলো কোনো প্রশ্নের সত্যিকারের উত্তরকে এলোমেলো 'নয়েজ' যোগ করে গোপনীয়তা সুরক্ষিত করা। এই 'নয়েজ' পরিমাণ নিয়ন্ত্রণ করে একটি প্যারামিটার — এপসাইলন (ε)। এপসাইলন যত ছোট হয়, প্রাইভেসি তত শক্তিশালী হয়, কিন্তু সেই সঙ্গে 'নয়েজ' তত বেশি প্রভাব ফেলে। উদাহরণস্বরূপ, একটা এলাকায় কোনো বিরল রোগে আক্রান্ত মানুষের সংখ্যা যদি ৫ হয়, তাহলে শক্তিশালী প্রাইভেসি সেটিংসে 'নয়েজ' যোগের ফলে তা ২ বা ৯-এ পরিণত হতে পারে। বড় শহরে যেখানে হাজারো রোগী থাকে, সেখানে একই 'নয়েজ' সংখ্যাটিকে অপরিবর্তিত রাখে, কিন্তু ছোট গ্রুপের ক্ষেত্রে প্রভাব বহুগুণ বেশি।

২০১৯ সালে নিউইয়র্ক ইউনিভার্সিটির গবেষক ইউজিন বাগদাসারিয়ান একটি মেশিন লার্নিং মডেলে এই ঘটনাটি প্রমাণ করেন। সাধারণ মডেল ৯৮-৯৯% নির্ভুলতায় বেশি উপস্থাপিত সংখ্যার ছবি চিনতে পারলেও, প্রাইভেসি-সুরক্ষিত মডেলে কম উপস্থাপিত সংখ্যা (যেমন '৮'-এর মাত্র ৫০০টি নমুনা) চিনতে পেরেছিল মাত্র ৭৭% নির্ভুলতা। সাধারণ মডেল ৯৭% নির্ভুলতায় সেটা চিনতে পারলেও প্রাইভেসি-সুরক্ষিত মডেলের নির্ভুলতা নেমে আসে ৭৭%।

বাস্তবে এই ঘটনা আদমশুমারি ডেটায়ও ঘটেছে। ২০২০ সালে যুক্তরাষ্ট্রের আদমশুমারি ব্যুরো প্রথমবারের মতো পুরো দেশের ডেটাতে ডিফারেনশিয়াল প্রাইভেসি প্রয়োগ করে। গবেষণা প্রমাণ করেছে, বড় কাউন্টির জনসংখ্যার হিসাব প্রায় নিখুঁত থাকলেও গ্রামীণ ও ছোট জনগোষ্ঠীর তথ্যে উল্লেখযোগ্য পার্থক্য তৈরি হয়েছে। বিশেষত মার্কিন আদিবাসী ও আলাস্কা নেটিভ এলাকাগুলোতে, যেখানে আগে বয়স ও লিঙ্গভিত্তিক সম্পূর্ণ তথ্য পাওয়া যেত, সেখানে প্রায় ৮০% তথ্য নতুন নিয়মে অপ্রাপ্য হয়ে পড়েছে।

"নয়েজের পরিমাণ নিয়ন্ত্রণ করে একটি প্যারামিটার, যাকে বলা হয় এপসাইলন (ε)। এই এপসাইলন যত ছোট হবে, প্রাইভেসি বা গোপনীয়তা তত শক্তিশালী হবে; কিন্তু সেই সঙ্গে নয়েজও তত বাড়বে।"

📊 তথ্যের সারসংক্ষেপ

• 📍 স্থান: যুক্তরাষ্ট্র (নিউইয়র্ক ইউনিভার্সিটি, আদমশুমারি ব্যুরো, জর্জিয়া স্টেট ইউনিভার্সিটি, পেন স্টেট ইউনিভার্সিটি)
• 👥 খবরের মুখ্য ব্যক্তি: সিনথিয়া ডোয়ার্ক (মার্কিন কম্পিউটার বিজ্ঞানী), ইউজিন বাগদাসারিয়ান (নিউইয়র্ক ইউনিভার্সিটি গবেষক)
• 🔢 গুরুত্বপূর্ণ সংখ্যা: ৫ (রোগী সংখ্যা), ২/৯ (পরিবর্তিত সংখ্যা), ৯৮-৯৯% (নির্ভুলতা), ৭৭% (প্রাইভেসি-সুরক্ষিত মডেলের নির্ভুলতা), ৮০% (অপ্রাপ্য তথ্য)