Biblioteca122.739 documentos en línea

Artículo

Proximity Measurement for Hierarchical Categorical Attributes in Big DataMedición de proximidad para atributos categóricos jerárquicos en Big Data

Resumen

Casi la mayoría de las organizaciones almacenan grandes cantidades de datos en bases de datos extensas con fines de investigación, estadística y minería. En la mayoría de los casos, gran parte de los datos acumulados contienen información sensible perteneciente a individuos que podrían vulnerar la privacidad. Por lo tanto, garantizar la privacidad en big data se considera un tema muy importante. El concepto de privacidad tiene como objetivo proteger la información sensible de diversos ataques que podrían violar la identidad de las personas. Las técnicas de anonimización se consideran la mejor manera de garantizar la privacidad en big data. Ya se han realizado diversos trabajos, teniendo en cuenta el agrupamiento horizontal. La técnica de -diversidad es una de esas técnicas que se ocupan de atributos numéricos y categóricos sensibles. Sin embargo, la mayoría de las técnicas de anonimización que utilizan el principio de -diversidad para datos jerárquicos no pueden resistir el ataque de similitud y, por lo tanto, no pueden garantizar la privacidad de manera cuidadosa. Con el fin

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

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.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento