KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2018 / Cilt: 33 - Sayı: 4

ρ-kazanım: fayda temelli veri yayınlama modeli

Yılmaz VURAL
Murat AYDOS
Sayfa
1355–1368
Yayın Tarihi
2018-12-19
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Çalışma sonucunda elde edilen bulgulara göre, ρ-Kazanım modeli, veri faydasında iyileşmeyi sağlarken, mahremiyet risk tahminlerinde anlamlı bir olumsuzluğa yol açmamıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Veri mahremiyeti, veri sahiplerinin mahremiyet riskleri ile veri paylaşımının taraflara sağlayacağı fayda arasındaki en iyi dengeyi bulmaya çalışan zor bir problemdir.
📊
Temel Bulgular & Veri:Aykırı eşdeğer sınıf, veri faydasına katkısı olmayan bastırılmış kayıtları içerir.
💡
Sonuç & Katkı:Çalışma sonucunda elde edilen bulgulara göre, ρ-Kazanım modeli, veri faydasında iyileşmeyi sağlarken, mahremiyet risk tahminlerinde anlamlı bir olumsuzluğa yol açmamıştır.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:ρ-Kazanım modeli · Veri yayınlama · Veri anonimleştirme

Özet

Veri mahremiyeti, veri sahiplerinin mahremiyet riskleri ile veri paylaşımının taraflara sağlayacağı fayda arasındaki en iyi dengeyi bulmaya çalışan zor bir problemdir. Bu çalışmada, literatürdeki yaygın mahremiyet modelleri işlevleri açısından incelenmiştir. Veri faydasının hesaplanmasında kullanılan veri kaybı metrikleri ile mahremiyet risklerinin tahmininde kullanılan saldırgan modelleri gözden geçirilmiştir. Aykırı eşdeğer sınıf, veri faydasına katkısı olmayan bastırılmış kayıtları içerir. Bu çalışmada, aykırı eşdeğer sınıf kazanımının veri faydasını artırmaya yönelik etkisini ortaya koyan, fayda temelli ρ-Kazanım modeli önerilmiştir. Önerilen model içerisinde mahremiyet risklerinin en aza indirgenmesinde k-Anonimlik ve l-Çeşitlilik mahremiyet modelleri birlikte kullanılmıştır. Veri faydasının ölçümünde eşdeğer sınıflar ortalaması metriği kullanılmıştır. Çalışma sonucunda elde edilen bulgulara göre, ρ-Kazanım modeli, veri faydasında iyileşmeyi sağlarken, mahremiyet risk tahminlerinde anlamlı bir olumsuzluğa yol açmamıştır. Veri mahremiyeti risklerini arttırmadan veri faydasını iyileştiren, fayda temelli ρ-Kazanım modelinin veri mahremiyeti probleminin çözümünde etkin bir rol oynayacağı gözlemlenmiştir.

🔖

Bu Makaleye Atıf Yap

VURAL, Y., AYDOS, M. (2018). ρ-kazanım: fayda temelli veri yayınlama modeli. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 33 - Sayı: 4, 1355–1368. https://ajindex.com/articles/20039

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. Samarati, P., “Protecting respondent’s privacy in micro data release”, IEEE Transaction on Knowledge and Data Engineering, Cilt 13, No 6, 1010-1027, 2001.
  2. Korolova, A., “Protecting privacy while mining and sharing user data”, Doktora Tezi, Stanford Üniversitesi, Bilgisayar Mühendisliği Bölümü, 2012.
  3. Verykios, S.V., Bertino, E., Fovino, N.I., Provenza, P.L., Saygin, Y., Theodoridis, Y., “State-of-the-art in Privacy Preserving Data Mining”, ACM SIGMOD Record, Cilt 33, Sayı 1, 50-57, 2004.
  4. Mahmood, S., “New Privacy Threats for Facebook and Twitter Users”, 2012 Seventh International Conference on P2P, Parallel, Grid, Cloud and Internet Computing, Victoria, Kanada, 164-169, 2012.
  5. Barbaro, M., Zeller, M. A Face Is Exposed for AOL Searcher No. 4417749. http://www.nytimes.com/2006/08/09/technology/09aol.html. Ağustos 9, 2016. Erişim Mart 14, 2017. Wagas. Someone Hacked and Leaked Entire Turkish Citizenship Database Online. https://www.hackread.com/turkish-citizenship-database-hacked-leaked. Nisan, 2016. Erişim Mart 14, 2017.
  6. Fung, B. C. M., Wang, K., Chen, R., Yu, P. S., “Privacy-preserving data publishing: A survey of recent developments”, ACM Computing Surveys (CSUR), Cilt 42, Sayı 4, 523-553, 2010.
  7. Lin, W., Yang, D., Wang, J., “Privacy preserving data anonymization of spontaneous ADE reporting system dataset”, BMC Medical Informatics and Decision Making, Cilt 10, Sayı 1, 21-35, 2016.
  8. Kohlmayer, F., Prasser F., Kuhn KA.,"The cost of quality: Implementing generalization and suppression for anonymizing biomedical data with minimal information loss", Journal of Biomedical Journal of Biomedical Informatics, Cilt 58, Sayı, 37-48, 2015.
  9. Xu, X., Ma,T., Tang, M., TianA W., “Survey of privacy preserving data publishing using generalization and suppression” In Int. Journal on Applied Mathematics & Information Sciences, Cilt 8, Sayı 3, 1103-1116, 2014.
  10. Brüggemann, R., Patil, PG., Partial Order and Hasse Diagrams, Ranking and Prioritization for Multi-indicator Systems, Springer, New York, 13-23, 2011.
  11. Ferrer-Domingo, J., Mateo-Sanz, J.M., “A Comparative Study Of Microaggregation Methods”, Qüestiió Journal, Cilt. 22, Sayı. 3, 511–526, 1998.
  12. Sweeney, L., “k-Anonymity: A model for protecting privacy,” International Journal of Uncertainty Fuzziness and Knowledge-Based Systems, Cilt 10, Sayı 5, 557–570, 2002.
  13. Machanavajjhala, A., Kifer, D., Gehrke, J., Venkitasubramaniam, M., “L-Diversity: Privacy beyond k-anonymity”, ICDE 2006,
  14. Atlanta, ABD, 24, 2006.
  15. Li, N., Li, T., Venkatasub