CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

توسعه مدل k-anonymity به منظور حفظ حریم خصوصی برروی دادههای خرد

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۹ | تعداد نمایش خلاصه: ۳۳۳ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: IKMC07_393
زبان مقاله: فارسی
حجم فایل: ۶۸۱.۳۷ کیلوبایت (فایل این مقاله در ۱۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله توسعه مدل k-anonymity به منظور حفظ حریم خصوصی برروی دادههای خرد

  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

چکیده مقاله:

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.

کلیدواژه‌ها:

حفظ حریم شخصی، داده کاوی، K-Anonymity ، دادههای خرد

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-IKMC07-IKMC07_393.html
کد COI مقاله: IKMC07_393

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رحیمی, مسعود؛ حسین محمدی نژاد و مهدی باطنی، ۱۳۹۴، توسعه مدل k-anonymity به منظور حفظ حریم خصوصی برروی دادههای خرد، هفتمین کنفرانس ملی و اولین کنفرانس بین المللی مدیریت دانش، تهران، موسسه اطلاع رسانی نفت، گاز و پتروشیمی، https://www.civilica.com/Paper-IKMC07-IKMC07_393.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (رحیمی, مسعود؛ حسین محمدی نژاد و مهدی باطنی، ۱۳۹۴)
برای بار دوم به بعد: (رحیمی؛ محمدی نژاد و باطنی، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :

  • Disclosure Control", Springer, 2001. ...
  • IS. Morton, _ Improved Utility Driven Approach Towards k-anonymity Using ...
  • X. Qi, and M. Zong, _ Overview of Privacy Preserving ...
  • _ 17- 18, 2015 _ _ Conference Center Tehrarn, Ira ...
  • on Environmentl Science and Engineering, ICESE, p. 1341-1347, 2012. ...
  • ID. Agrawal, and C.C. Aggarwal, "On the design and quantification ...
  • L. Sweeney, "k-anonymity: A model for protecting privacy, " Internati ...
  • _ Yongcheng, " A Survey _ Anonymity-b ased Privacy Preserving", ...
  • A. Meyerson, and R. Williams, optimal ...
  • SIGART Symposium on the Principles of Database Systems, Paris, France, ...
  • G. Aggarwal, T. Feder, K. Kenthapadi, R. Motwani, R. Panigrahy, ...
  • IX. Sun, L. Sun, and H. Wang, "Extended k anonymity ...
  • IG. Aggarwal, T. Feder, K. Kenthapadi, R. Motwani, R. Panigrahy, ...
  • C. Moque, A. Pomares, and R. Gonzalez, " AnonymousD ata. ...
  • ۲۹ بهمن ماه ۱۳۹۳ مر کز همابش های بین السللی ...
  • Anonymizati _ of Electronic Medical Records", 4th Conference of ENTERprise ...
  • A. Machanavajj hala, J.Gehrke, and D. Kifer, "4-diversity: Privacy beyond ...
  • N. Li, T. Li, and S. V _ nkat asubramani ...
  • loss Informationء [14]T. Waal, and L. Willenborg, through global recoding ...
  • P. Wolf, J. Gouweleeuw, P. Kooiman, and L. Willenborg, "Reflections ...
  • C. Chang, Y. Li, and W. Huang, "TFRP: An efficient ...
  • Z. FeiFei, D. LiFeng, W. Kun, and L. Yang, "Study ...
  • Medical Physics and Biomedical Engineering, Volume 33, p. 483 - ...
  • G. Torra, A. Erola, and J. Roca, "User k- anonymity ...
  • Management, Volume 48, p.476-487, 2012. ...
  • C. Tai, P. Yu, and M. Chen, " k-Support Anonymity ...
  • international conference on Knowledge discovery and data mining Pages 473-482, ...
  • _ 17- 18, 2015 _ _ Conference Center. T ehrar, ...
  • K. Doka, D. Tsoumakos, and N. Koziris, " KANIS: Preserving ...
  • D.J. Newman, S. Hettich, C.L. Blake, C.J. Merz, UCI Repository ...
  • مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.