La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Privacy Preserving Association Rule Mining Revisited: Privacy Enhancement and Resources Efficiency L'exploration des règles de la Privacy Preserving Association revisitée : amélioration de la confidentialité et efficacité des ressources

Abedelaziz MOHAISEN, Nam-Su JHO, Dowon HONG, DaeHun NYANG

  • Vues en texte intégral

    0

  • Citer

Résumé:

Les algorithmes d'exploration de règles d'association préservant la confidentialité ont été conçus pour découvrir les relations entre les variables dans les données tout en préservant la confidentialité des données. Dans cet article, nous révisons l'un des schémas récemment introduits pour l'exploration de règles d'association utilisant de fausses transactions (fs). En particulier, notre analyse montre que le fs Le système a des exigences de stockage exhaustives et de calcul élevées pour garantir un niveau raisonnable de confidentialité. Nous introduisons une définition réaliste de la vie privée qui bénéficie de la vie privée moyenne et motive l'étude d'une faiblesse dans la structure de la vie privée. fs par le filtrage des fausses transactions. Afin de surmonter ce problème, nous améliorons le fs en présentant un schéma hybride qui considère à la fois la vie privée et les ressources comme deux lignes directrices concurrentes. Les résultats analytiques et empiriques montrent l'efficacité et l'applicabilité du schéma proposé.

Publication
IEICE TRANSACTIONS on Information Vol.E93-D No.2 pp.315-325
Date de publication
2010/02/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1587/transinf.E93.D.315
Type de manuscrit
PAPER
Catégories
Data Mining

Auteurs

Mots-clés

Table des matières