文献

J-GLOBAL ID：201702251069314389   整理番号：17A0996228

マルチモーダルトランザクションデータ統合解析のためのプライバシー保護手法【Powered by NICT】

A privacy-preserving approach for multimodal transaction data integrated analysis

著者 (3件)： Sui Peipei (School of Management Science and Engineering, Shandong Normal University, Jinan, Shandong, 250014) ,  Sui Peipei (School of Computer Science and Engineering, Beihang University, Beijing 100191, China) ,  Li Xianxian (Guangxi Key Lab of Multisource Information Mining and Security, Guangxi Normal University, Guilin, Guangxi, 541004, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 253  ページ： 56-64  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： マルチモーダルトランザクションデータマイニングは,最近多くの注目を集めている。個人情報の保護はデータ解析に不可欠な要求である。トランザクションデータのためのプライバシー保護に関する既存の研究は通常単一モードデータセットに焦点を当てた。既存のプライバシー保護方法は,マルチモーダルデータ統合のためのプライバシーの問題に対処するために直接使用できない,情報漏洩は複数の異種データセット間のデータ相関に起因する可能性があるからである。本研究では,取引データと軌道データの統合に関するプライバシー保護を検討した。最初のマルチモーダルデータセットの統合によるプライバシー漏れモデルを示し,統合データは木としてモデル化した。トラジェクトリーのアイデンティティの開示を解決するために,プライバシー要求を満たすために位置配列を分割し,分割により生じる情報損失を相殺する位置をコピー,トランザクションの高感度項目開示に対処するために,著者らは,相関ルールを除去する抑制技術を用いた。ツリー構造データモデルにおける軌道データとトランザクションデータの統合におけるプライバシー情報を保護するためにK~m-匿名性ρ不確実性プライバシーモデルを提案した。最後に,二種の合成統合データセット上での実験を行い,種々のパラメータの下でのプライバシーと情報損失を解析した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *データ融合 ,  データモデル ,  モデリング ,  データ解析 ,  *プライバシー ,  不確実性 ,  トラジェクトリー ,  相関ルール ,  *多モード ,  ツリー構造
準シソーラス用語： 匿名性 ,  データ損失 ,  情報漏洩 ,  個人情報 ,  *プライバシー保護 , 【Automatic Indexing@JST】

著者キーワード (4件)： マルチモーダルデータ ,  軌道データ ,  トランザクションデータ ,  プライバシー保護

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 統合解析 ,  プライバシー ,  手法