फ्रैंक मैकशेरी एक कंप्यूटर वैज्ञानिक हैं, जिन्हें डिफरेंशियल प्राइवेसी में मौलिक योगदान के लिए पहचाना जाता है - यह एक गणितीय ढांचा है जो डेटा विश्लेषण के दौरान होने वाले गोपनीयता नुकसान को मापने और सीमित करने के लिए है। उनका काम, जो मुख्य रूप से माइक्रोसॉफ्ट रिसर्च में उनके कार्यकाल के दौरान विकसित हुआ, ने डिफरेंशियल प्राइवेसी को एक सैद्धांतिक अवधारणा से व्यावहारिक, स्केलेबल प्रणालियों में बदलने में मदद की, जिससे व्यक्तिगत रिकॉर्ड से समझौता किए बिना सांख्यिकीय अंतर्दृष्टि जारी की जा सके। यह शोध आधुनिक डेटा प्रबंधन के लिए आवश्यक बन गया है और Machine learning तथा डेटा-संचालित उत्पादों में गोपनीयता के समकालीन दृष्टिकोणों को प्रभावित करता है।
मैकशेरी का करियर डेटाबेस सिस्टम, एल्गोरिदम और गोपनीयता के प्रतिच्छेदन पर स्थित है। वे गोपनीयता-संरक्षण कंप्यूटेशन के सिद्धांत और व्यवहार में एक सक्रिय शोधकर्ता रहे हैं, जो अपने औपचारिक प्रमाणों और काम करने वाले कार्यान्वयन बनाने पर जोर देने दोनों के लिए जाने जाते हैं। उनके तरीकों को प्रौद्योगिकी फर्मों और सांख्यिकीय एजेंसियों द्वारा व्यापक रूप से अपनाया गया है, जो डेटा उपयोगिता और व्यक्तिगत गोपनीयता के बीच के तनाव को संबोधित करते हैं।
डिफरेंशियल प्राइवेसी ढांचा
मैकशेरी ने एक्सपोनेंशियल मैकेनिज्म पर मौलिक पेपर का सह-लेखन किया, जो निजी डेटा पर निर्भर गणनाओं के परिणाम जारी करने की एक विधि है, जो मजबूत डिफरेंशियल प्राइवेसी गारंटी प्रदान करती है। यह तंत्र, जो 2000 के दशक के मध्य में पेश किया गया था, ने साबित किया कि संवेदनशील डेटासेट से सैद्धांतिक और मापने योग्य गोपनीयता नुकसान के साथ आउटपुट का चयन और प्रकाशन संभव है। उन्होंने लाप्लास मैकेनिज्म योगदानों के विकास का भी नेतृत्व किया, जो किसी एक रिकॉर्ड के प्रभाव को छिपाने के लिए प्रश्नों के आउटपुट में कैलिब्रेटेड शोर जोड़ते हैं।
उनके काम ने डिफरेंशियल प्राइवेसी को अमूर्त सिद्धांत से व्यवहार में स्थानांतरित किया। उन्होंने {"पिन्ड"} विकसित किया जिसने प्रदर्शित किया कि जटिल, बहु-चरणीय सांख्यिकीय विश्लेषण गोपनीयता बजट के तहत कैसे निष्पादित किए जा सकते हैं, जिससे व्यावहारिक तैनाती के द्वार खुले। इस नवोदित दृष्टिकोण ने कई विश्लेषकों को संचयी गोपनीयता नुकसान का स्पष्ट लेखा-जोखा बनाए रखते हुए प्रश्न पूछने की अनुमति दी, जो वास्तविक दुनिया की तैनाती में एक प्रमुख बाधा थी।
मैकशेरी ने गोपनीयता के "डेटा-स्वामी" पक्ष पर जोर दिया, यह सुनिश्चित करते हुए कि डिफरेंशियल प्राइवेट तंत्र लागू करने योग्य, कुशल और सांख्यिकीय रूप से उपयोगी हैं। एल्गोरिदम पारदर्शिता पर उनका ध्यान कहता था कि गारंटी का प्रमाण परीक्षण योग्य और इंजीनियरों के लिए उपयोग योग्य होना चाहिए।
डेटा सिस्टम में योगदान
मैकशेरी ने डेटा-गहन प्रणालियों के व्यापक क्षेत्र में भी योगदान दिया है। उन्होंने उन सैद्धांतिक प्रगति के पहले सार्वजनिक कार्यान्वयन बनाए और निर्देशित किए, और उनका बाद का काम वितरित डेटा प्रोसेसिंग पर केंद्रित था। उन्होंने बड़े पैमाने पर ग्राफ प्रोसेसिंग और पुनरावृत्त कंप्यूटेशन के लिए कंप्यूटेशन सिस्टम डिज़ाइन किए हैं, जो विलंबता और स्केलेबिलिटी के मुद्दों को संबोधित करते हैं। उनके काम की तुलना अक्सर अन्य सिस्टम परियोजनाओं से की जाती है जिन्होंने क्लाउड और डेटा स्टैक को प्रभावित किया, जैसे Xerox PARC में व्यक्तिगत कंप्यूटिंग में नवाचार और Nokia Bell Labs में मौलिक सिस्टम अनुसंधान, लेकिन गोपनीयता की अंतिमता के एक विशिष्ट लक्ष्य के साथ।
उनके वितरित सिस्टम योगदानों में एक कंप्यूटेशनल सिस्टम का निर्माण शामिल है जो स्ट्रीमिंग विश्लेषण के लिए गतिशील डेटा संरचनाएं प्रदान करता है। उनके मॉडल उत्पादन क्लस्टरों में शामिल हैं और प्रमुख प्रौद्योगिकी फर्मों, जिनमें Amazon Web Services और Microsoft Azure शामिल हैं, में गोपनीयता-संरक्षण दृष्टिकोणों को प्रभावित करते हैं। उनकी अंतर्दृष्टि कि कठोर गोपनीयता को एकीकृत किया जाना चाहिए - कि आप अंत-से-अंत तक गोपनीयता के लिए डिज़ाइन करते हैं - उनके प्रकाशित और सार्वजनिक प्रस्तुतियों में एक प्रमुख सिद्धांत बन गई।
मान्यता और प्रभाव
मैकशेरी के सैद्धांतिक योगदान ने उन्हें उनके जीडीपी ढांचे के लिए एफओसीएस सर्वश्रेष्ठ पेपर पुरस्कार (2007) और गोपनीयता-एकीकृत क्वेरी सिस्टम पर उनके काम के लिए एसीएम सिगमॉड सर्वश्रेष्ठ पेपर पुरस्कार, साथ ही एक्सपोनेंशियल मैकेनिज्म पर उनके मौलिक पेपर के लिए 2022 में एसटीओसी से टेस्ट ऑफ टाइम पुरस्कार दिलाया। उन्हें वार्षिक गोपनीयता वृद्धि सहित सम्मेलनों में आमंत्रित वक्ता के रूप में बुलाया गया है। उन्हें सम्मानित किया गया कि उनके काम को डिफरेंशियल प्राइवेसी सिद्धांतों पर एक पेपर के लिए 40,000+ बार उद्धृत किया गया है।
उनका काम डेटा संरक्षण के आसपास कानूनी और नीति वार्तालापों को प्रभावित करता है। डिफरेंशियल प्राइवेसी को अमेरिकी जनगणना ब्यूरो द्वारा आवश्यक बनाया गया है, और स्थानीयकृत डीपी के आसपास उनके विचार Apple और अन्य के लिए डेटा संग्रह और एनालिटिक्स की तैनाती के डिज़ाइन में शामिल हैं।
वे जिम्मेदार डेटा विज्ञान के वकील के रूप में निकटता से काम करते हैं और गोपनीयता-एकीकृत शिक्षण पर एक स्वतंत्र लेखक रहे हैं। एल्गोरिदम में गोपनीयता पर उनका आलोचनात्मक दृष्टिकोण उन्होंने कुछ पूर्वधारणाओं पर सवाल उठाए हैं, जैसे कि Deep learning युग के शुरुआती दिनों में, जो सिस्टम-मध्यस्थता गोपनीयता में दावा किए जा सकने वाले के लिए एक कठोर मानक को मजबूर करता है।
संबद्धता और कार्य
मैकशेरी का प्राथमिक कार्य Microsoft (AI) में किया गया था (वे माइक्रोसॉफ्ट रिसर्च में थे), और बाद में उन्होंने अनामीकरण और डेटा प्रोसेसिंग पर काम करने वाले एक स्टार्टअप की सह-स्थापना की। वे एक प्रमुख डेटाबेस विश्वविद्यालय में सहायक प्रोफेसर हैं; यह भूमिका अकादमिक साहित्य में उनकी मजबूत उपस्थिति से जुड़ी है। उनके पास यूनाइटेड किंगडम-आधारित पहलों के साथ एक परामर्श व्यवस्था है और एल्गोरिदमिक नींव पर Carnegie Mellon University समूहों के साथ सहयोग रहा है।
वे एक महत्वपूर्ण आवाज बने हुए हैं जब वरिष्ठ गोपनीयता और प्रौद्योगिकी समीक्षाओं को टिप्पणी की आवश्यकता होती है, जिन्हें कठोर क्रिप्टोग्राफी प्रमाण और मुख्यधारा सॉफ्टवेयर शो के बीच की खाई को पाटने के लिए पहचाना जाता है।
आप केवल यह जानते हैं कि वे कहते हैं कि वे एक नर्ड हैं जो रन-टाइम सिस्टम बनाते हैं।