文献

J-GLOBAL ID：201802270161405324   整理番号：18A0165243

ビッグデータのための最適感度ベース匿名化に向けて【Powered by NICT】

Towards optimal sensitivity-based anonymization for big data

著者 (3件)： Al-Zobbi Mohammed (School of Computing, Engineering & Mathematics, Western Sydney University, NSW, Australia) ,  Shahrestani Seyed (School of Computing, Engineering & Mathematics, Western Sydney University, NSW, Australia) ,  Ruan Chun (School of Computing, Engineering & Mathematics, Western Sydney University, NSW, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ITNAC  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： プライベートや機密情報を含むデータセットはデータ分析に有用である。データ所有者はプライバシー保護出版技術を用いてそのような機密データを放出する。個人再認識可能性はこれまでよりもはるかに大きかった。例えば,ソーシャルメディアにおけるプライバシの侵害への曝露を劇的に増加した。K 匿名性の一つのよく知られた技術はプライバシー曝露に対する保護手法を提案した。K匿名性はデータ記録のK等価数を見出すために傾向がある。選択属性はQuasiidentifiersとして知られている。このアプローチは個人の再同定を低下させる可能性がある。しかし,これは得られた情報の有用性を減少させられるかもしれない。kの値は注意深く決定し,得られた両セキュリティと情報を妥協する必要がある。残念なことに,kの値を定義するための標準的手順ではない最適k-匿名化の問題はNP困難である。本論文では,kの最適値を提供するグリーディベースヒューリスティックアプローチを提案した。アプローチは感度に基づく匿名化方法に関する経験的リスクを評価した。我々のアプローチは,ビッグデータ,提案フレームワークを形成するための細粒アクセスと業務役割匿名化から導出した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： NP困難 ,  セキュリティ ,  データ解析 ,  *プライバシー
準シソーラス用語： 最適値 ,  データアーカイブ ,  匿名性 ,  ソーシャルメディア ,  プライバシー保護 ,  所有者 ,  機密情報 ,  *匿名 ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (2件)： ビッグデータ ,  匿名化