文献

J-GLOBAL ID：202202254887732983   整理番号：22A0554757

GAベース多重閾値消毒モデルを用いた共有HitLCPSにおけるセキュリティとプライバシー【JST・京大機械翻訳】

Security and Privacy in Shared HitLCPS Using a GA-Based Multiple-Threshold Sanitization Model

著者 (5件)： Wu Jimmy Ming-Tai (College of Computer Science, and Engineering, Shandong University of Science, and Technology, Qingdao, China) ,  Srivastava Gautam (Department of Mathematics and Computer Science, Brandon University, Brandon, Manitoba, Canada) ,  Jolfaei Alireza (Department of Computing, Macquarie University, Sydney, New South Wales, Australia) ,  Pirouz Matin (Department of Computer Science, California State University, Fresno, California, USA) ,  Lin Jerry Chun-Wei (Department of Computer Science, Electrical Engineering, and Mathematical Sciences, Western Norway University of Applied Sciences, Bergen, Norway)
資料名： IEEE Transactions on Emerging Topics in Computational Intelligence  (IEEE Transactions on Emerging Topics in Computational Intelligence)
巻： 6  号： 1  ページ： 16-25  発行年： 2022年 
JST資料番号： W2473A  ISSN： 2471-285X  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： Cyber-Physical System(CPS)において,特に人間-イン-ループ状況(HitLCPSとしても知られている)において,敏感な情報プライベートを保つためのセキュリティとプライバシーは,最近数十年における新たな話題と考えられている。プライバシー保護データマイニング(PPDM)における多くの技術は,HitLCPSに直接適用することができる。しかし,それらの大部分は,データ衛生化のための特異閾値問題を扱うことに集中してきた。敏感なアイテムセットがより多くのアイテムを含むならば,それはその特異性のために同定されるより高い確率を有した。本研究では,この問題の解決を支援するための複数のサポート閾値の新しい概念を提案した。提案方法はアイテム集合のための厳密な閾値を割り当てる。さらに,遺伝的アルゴリズム(GA)ベースのモデルを,副作用を最小化するために設計したアルゴリズムに含めた。著者らの実験結果において,GAベースのPPDMアプローチを従来のGreedy PPDMアプローチと比較した。強い実験結果は,提案手法が従来手法よりもセキュリティとプライバシー保護のより高いレベルを維持しつつ,従来のアルゴリズムと同様の性能を与えることができることを明瞭に示した。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： アルゴリズム ,  *閾値 ,  情報 ,  データ ,  *消毒 ,  副作用 ,  プライバシー ,  *多重化 ,  衛生 ,  セキュリティ ,  遺伝的アルゴリズム
準シソーラス用語： プライバシー保護 ,  特異性 ,  プライバシ保護データマイニング , 【Automatic Indexing@JST】

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (8件)： Ga ,  多重 ,  閾値 ,  消毒 ,  モデル ,  共有 ,  セキュリティ ,  プライバシー