文献

J-GLOBAL ID：202202242171778846   整理番号：22A0977763

ヒープバケット化匿名性 多重感受性属性のための効率的なプライバシー保護データ公開モデル【JST・京大機械翻訳】

Heap Bucketization Anonymity-An Efficient Privacy-Preserving Data Publishing Model for Multiple Sensitive Attributes

著者 (5件)： Jayapradha J. (Department of Computing Technologies, SRM Institute of Science and Technology, Kattankulathur, Tamil Nadu, India) ,  Prakash M. (Department of Data Science and Business Systems, SRM Institute of Science and Technology, Kattankulathur, Tamil Nadu, India) ,  Alotaibi Youseef (Department of Computer Science, College of Computer and Information Systems, Umm Al-Qura University, Makkah, Saudi Arabia) ,  Khalaf Osamah Ibrahim (Al-Nahrain Nanorenewable Energy Research Center, Al-Nahrain University, Baghdad, Iraq) ,  Alghamdi Saleh Ahmed (Department of Information Technology, College of Computers and Information Technology, Taif University, Taif, Saudi Arabia)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 28773-28791  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  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： 患者のデータセットの出版は,様々な医学調査と意思決定に不可欠である。現在,データ出版中にプライバシーを保護するための重要な焦点が確立された。多重感受性属性に対する既存のプライバシーモデルは属性間の相関に集中せず,それは次に多くのユーティリティ損失をもたらす。効率的なモデルHeap Bucketization-匿名性(HBA)を提案し,プライバシーとユーティリティを多重感度属性とバランスさせた。Heap Bucketization-匿名性モデルは,データセットを1に垂直に分割するために原子化を使用した。準識別表と2.感度属性テーブル。準識別子は,k-匿名性とスライシングを実行することによって匿名化され,そして,鋭敏な属性は,スライシングとHeap Bucketizationを適用することによって匿名化される。基準正規化確実性ペナルティとKL発散を用いて,患者データセットにおける効用損失を計算した。実験結果は,HB-匿名性が,他の既存のモデルよりも少ないユーティリティ損失で,高いプライバシーを達成できることを示した。HB-匿名性モデルは,ユーティリティとプライバシーをバランスさせるだけでなく,i)背景知識攻撃,ii)準識別攻撃iii)メンバーシップ攻撃,iv)非メンバーシップ攻撃とv)指紋相関攻撃を根絶する。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： 意思決定 ,  認識 ,  プライバシー ,  *多重化 ,  *モデル ,  原子化 ,  指紋 ,  正規化 ,  *属性 ,  ペナルティ ,  サイバー攻撃
準シソーラス用語： 背景知識 ,  *プライバシー保護 ,  匿名 ,  識別子 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  移動通信  (ND08030H)

タイトルに関連する用語 (9件)： ヒープ ,  バケット ,  匿名性 ,  多重 ,  感受性 ,  属性 ,  プライバシー ,  公開 ,  モデル