文献

J-GLOBAL ID：202202234577100095   整理番号：22A0483138

ビッグデータ収集における悪意なユーザ検出のための効率的な信頼管理【JST・京大機械翻訳】

Efficient Trustworthiness Management for Malicious User Detection in Big Data Collection

著者 (6件)： Yu Jiahui (Key Laboratory of Broadband Wireless Communication and Sensor Network Technology, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Wang Kun (Jiangsu High Technology Research Key Laboratory for Wireless Sensor Networks, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Li Peng (School of Computer Science and Engineering, University of Aizu, Fukushima, Japan) ,  Xia Rui (Autodesk (China) Software Research and Development Co., Ltd., Shanghai, China) ,  Guo Song (Department of Computing, Hong Kong Polytechnic University, Hong Kong, China) ,  Guo Minyi (Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China)
資料名： IEEE Transactions on Big Data  (IEEE Transactions on Big Data)
巻： 8  号： 1  ページ： 99-112  発行年： 2022年 
JST資料番号： W2442A  ISSN： 2332-7790  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： 大きいデータにおけるデータ収集は,集熱器が興味を持つ情報を集約する効果的方法である。しかし,ユーザが提供するデータに対する保証はない。収集器は情報のあらゆる部分の信頼性をチェックする能力を持たないので,利用者の信頼は収集に参加した。本論文では,大きなデータコンテキストのためのデータ収集におけるユーザの信頼性を計算する効率的なアプローチを設計した。信頼性を親密性信頼性と類似性信頼性に分割し,信頼性に及ぼすユーザ行動の影響を研究した。悪意のあるユーザを,それらの信頼性を上げて,最終結果を誤らせるかもしれない誤った情報を提供するために,著者らは,また,利用者の歴史的信用情報を記録するためのセキュリティ待ち行列を設計して,そこで,著者らは,高精度で悪意のあるユーザを検出することができた。シミュレーション結果は,著者らのモデルがユーザの悪意のある行動に敏感に抵抗できることを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  信頼性 ,  *データ収集 ,  類似性 ,  セキュリティ
準シソーラス用語： 高精度 ,  ユーザ行動 ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (2件)： データ保護  (JD01020V) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (2件)： データ収集 ,  信頼