توسعه مدل k-anonymity به منظور حفظ حریم خصوصی برروی دادههای خرد
Publish place: هفتمین کنفرانس ملی و اولین کنفرانس بین المللی مدیریت دانش
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,073
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IKMC07_393
تاریخ نمایه سازی: 9 مرداد 1395
Abstract:
امروزه گردآورندگان اطلاعات به ویژه سازمانهای آماری با دو مسئله متضاد مواجهاند. از یک سو، بنا به وظیفه قانونی و رشد روز افزون تقاضا برای اطلاعات جمعآوری شده، خود را متعهد به انتشار هر چهه گسترده تر و با کفهفتتر اطلاعات به شکل داده های آماری می بفنند و از سوی دیگر با توجه به نگرانی عمومی نسبت به افشا اطلاعات شخصی و ویفهه قانونی این سازمانها برای مراقبت از اطلاعات خصوصی پاسخگویان، باید این تضمین را بدهند که ضمن ارائه بفشترین اطلاعات به جامعه، حریم شخصی پاسخگویان در حد معقول حفظ شود این مسئله زمانی حادتر می شود که مجموعه دادههای منتشره توسط متدههای داده کاوی ، در برابر حملات افشا صفت و هویت قرار می گفرند و با دانش استخراجی حریم خصوصی پاسخگویان نقض می شود . بدین منظور برای حل این مسائل و مدیریت دانش استخراج شده در متد های داده کاوی، رویکرد هایی تحت عنوان گمنامسازی دادهها مطرح شد. از جملهه آنها می توان به مدل های anonymity-sensitive k-p ، -+psensitive k-anonymity و (p, α)-sensitive k-anonymity اشاره کرد. این رویکردها ایجاد حداقل P مقدار مجزا را برای هر ویژگی حساس در رکوردهای منتشره هر گروه از شبهشناسهها تضمین می کنند.
Keywords:
Authors
مسعود رحیمی
دانشجوی کارشناسی ارشد نرمافزار، مهندسی کامپفوتر، دانشگاه شفخ بهائی، دانشکده فنی و مهندسی،کشور ایران
حسین محمدی نژاد
مربی، مهندسی کامپفوتر، دانشگاه شفخ بهائی، دانشکده فنی و مهندسی،کشور ایران
مهدی باطنی
استادیار، مهندسی کامپفوتر، دانشگاه شفخ بهائی، دانشکده فنی و مهندسی،کشور ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :