Consultar distancias promedio es útil para aplicaciones del mundo real como decisiones comerciales y diagnósticos médicos, ya que puede ayudar a un tomador de decisiones a comprender mejor los datos de los usuarios en una base de datos. Sin embargo, la privacidad ha sido una preocupación creciente. Actualmente, las personas están sufriendo una seria filtración de privacidad desde varios tipos de fuentes, especialmente proveedores de servicios que no brindan suficiente protección a los datos privados de los usuarios. En este artículo, descubrimos un nuevo tipo de ataque en una consulta de distancia promedio (consulta AVGD) con resultados ruidosos. El ataque es general, ya que puede usarse para revelar datos privados de diferentes dimensiones. Analizamos teóricamente cómo diferentes factores afectan la precisión del ataque y proponemos un mecanismo de preservación de la privacidad basado en el análisis. Experimentamos con dos conjuntos de datos de la vida real para mostrar la viabilidad y gravedad del ataque. Los resultados muestran que la gravedad del ataque está influenciada principalmente por fact
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Modelo de Reconocimiento y Clasificación de Géneros Musicales e Instrumentos Musicales Tradicionales Chinos basado en Redes Neuronales Profundas.
Artículo:
Evaluación del rendimiento de los sistemas de compresión de datos aplicados a las imágenes de satélite
Artículo:
Modelo de red neuronal caótica para el reconocimiento de fallos de rozamiento del rotor mediante el método de emisión acústica
Artículo:
Medios de comunicación visual adaptativos interactivos multimodales basados en algoritmos de agrupamiento.
Artículo:
Autenticación de canales de capa física para 5G mediante algoritmos de aprendizaje automático