文献

J-GLOBAL ID：202202256301853494   整理番号：22A0732276

半完全分散データモデルにおけるプライバシー保存ナイーブBayes分類【JST・京大機械翻訳】

Privacy-preserving Naive Bayes classification in semi-fully distributed data model

著者 (1件)： Vu Duy-Hien (Banking Academy of Vietnam, Hanoi, Vietnam)
資料名： Computers & Security  (Computers & Security)
巻： 115  ページ： Null  発行年： 2022年 
JST資料番号： E0995A  ISSN： 0167-4048  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： 近年,データマイニングと機械学習におけるプライバシー保護の問題は,研究コミュニティからますます多くの注目を集めている。プライバシー保護データマイニングと機械学習解は,データホルダーが知識と貴重な情報を同時に発見し,プライバシーの懸念のない機械学習モデルの構築を可能にする。本論文では,半完全分散設定と呼ばれる新しいデータモデルに対するプライバシー保護の苦痛問題に取り組んだ。既存のシナリオと異なり,このデータモデルにおけるデータセットの各記録は3つの部分から成り,第1部はデータユーザによってプライベートに保存され,第2のものはマイナによって確実に保存され,残りは分機とデータユーザの両方によって公知される。この新しいデータモデルに対して,安全なマルチパーティ計算に基づくプライバシー保護Naive Bayes分類解を提案した。提案した解決策は高レベルのプライバシーを達成するだけでなく,分類モデルの精度も保証する。実験結果は,新しい提案が現実の応用において効率的であることを示した。さらに,著者らの先駆的研究は,半完全分散データモデルのプライバシー保護問題への新しい研究への道を開いた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 情報 ,  分類 ,  記録 ,  コミュニティ ,  *プライバシー ,  マイナ ,  分散処理 ,  利用者 ,  *データモデル ,  機械学習 ,  データマイニング
準シソーラス用語： プライバシー保護 ,  Naive Bayes ,  プライバシ保護データマイニング ,  分類モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： プライバシー保護データマイニングと機械学習 ,  安全なマルチパーティ計算 ,  ナイーブBayes分類 ,  分散コンピューティング ,  データプライバシー

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (4件)： データモデル ,  プライバシー ,  保存 ,  分類