文献

J-GLOBAL ID：201702248264428294   整理番号：17A1118850

プライバシー保護データ出版のためのパーソナル化された拡張(α, k)-匿名性モデル【Powered by NICT】

Personalized extended (α, k)-anonymity model for privacy-preserving data publishing

著者 (3件)： Liu Xiangwen (School of Computer Science and Communication Engineering, Jiangsu University, Zhenjiang, China) ,  Xie Qingqing (School of Computer Science and technology, Anhui University, Hefei, China) ,  Wang Liangmin (School of Computer Science and Communication Engineering, Jiangsu University, Zhenjiang, China)
資料名： Concurrency and Computation: Practice & Experience  (Concurrency and Computation: Practice & Experience)
巻： 29  号： 6  ページ： null  発行年： 2017年 
JST資料番号： W2542A  ISSN： 1532-0626  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 一般(α, k)-匿名性モデルは,プライバシー保護データ出版で広く使用されている方法であるが,個別化された匿名性を提供することができない。現在,個別化された匿名性のための二つの主な方法は,個々の配向した匿名性と高感度向き匿名性である。残念なことに,プライバシー保護データ出版のための前述の方式の用に設計された既存の個人化匿名性モデルは個別プライバシー保護要求を満たすのに十分に有効ではない。本論文では,一般的な(α, k)-匿名性モデルにおける個人化したサービスを提供する新しい個別拡張方式を提案した。感受性向き匿名性は新しい個別拡張(α, k)-匿名性モデルにおける個々の配向した匿名性と組合せた次項の二段階である:(1)感受性属性値は,それらの感度に従っていくつかのグループに分割され,各群はそれ自身の周波数制約しきい値と帰属した。(2)必要に応じて個々の彼/彼女の感度値を置き換えることである防御ノード。クラスタリングアルゴリズムによる個別化拡張(α, k)-匿名性モデルを実装した。性能評価は,最終的に本モデルは効率的に強いプライバシー保護を提供し,個別化サービスを達成できることを示した。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *プライバシー ,  クラスタ化 ,  高感度 ,  感受性 ,  性能評価 ,  周波数
準シソーラス用語： クラスタリングアルゴリズム ,  防衛 ,  *匿名性 ,  パーソナル化 ,  *プライバシー保護 , 【Automatic Indexing@JST】

著者キーワード (6件)： データ出版 ,  プライバシー保存 ,  個別化 ,  k匿名性 ,  (α k)-匿名性 ,  クラスタリング

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (5件)： プライバシー ,  出版 ,  拡張 ,  匿名性 ,  モデル