کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10321896 660776 2015 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A fast perturbation algorithm using tree structure for privacy preserving utility mining
ترجمه فارسی عنوان
الگوریتم تداخل سریع با استفاده از ساختار درختی برای نگهداری حریم خصوصی ابزار استخراج معادن
کلمات کلیدی
حفظ حریم خصوصی، معدنکاری الگو، اختلال، معدن الگوی مکرر، داده کاوی،
ترجمه چکیده
به عنوان یکی از رویکردهای مهم در حفظ حریم خصوصی، حفظ داده کاوی، حفظ محرمانه ابزار استخراج معادن مورد مطالعه قرار گرفته است برای پیدا کردن نتایج معنی دار تر، در حالی که حفظ حریم خصوصی پایگاه داده و بهبود راندمان الگوریتم با هماهنگی الگوی ابزار اساسی معدن و حفظ حریم خصوصی روش های داده کاوی. با این حال، روش های قبلی آن نیاز به زمان قابل توجهی برای حفاظت از حریم خصوصی دارندگان داده ها، زیرا آنها انجام عملیات اسکن پایگاه داده بیش از حد بسیاری از زمان تا زمانی که همه اطلاعات مهم پنهان است. علاوه بر این، به عنوان اندازه یک پایگاه داده مشخص شده بزرگتر شده و آستانه حداقل ابزار مورد نظر مشخص شده توسط کاربر کاهش می یابد، تخریب عملکرد آنها ممکن است به گونه ای غیر قابل کنترل باشد که نمی توانند به طور عادی کار کنند. برای حل این مشکل، ما یک الگوریتم تداخل سریع بر اساس ساختار درختی را پیشنهاد می کنیم که سریعتر از فرایندهای متضاد پایگاه داده برای جلوگیری از دسترسی حساس به اطلاعات استفاده می شود. همچنین نتایج تجربی گسترده ای بین روش پیشنهاد شده ما و الگوریتم های پیشرفته ارائه شده با استفاده از داده های واقعی و مصنوعی ارائه می کنیم. آنها نشان می دهند که روش پیشنهادی نه تنها عملکرد حفظ حریم خصوصی برجسته است که قابل مقایسه با گذشته است، بلکه 5 تا 10 برابر زمان اجرا سریعتر نسبت به روش های موجود به طور متوسط ​​است. علاوه بر این، الگوریتم پیشنهادی مقیاس پذیری بهتر از مقیاس پذیری بیشتر را نسبت به پایگاه های داده با ویژگی های به تدریج افزایش ویژگی ها و معاملات تضمین می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
As one of the important approaches in privacy preserving data mining, privacy preserving utility mining has been studied to find more meaningful results while database privacy is ensured and to improve algorithm efficiency by integrating fundamental utility pattern mining and privacy preserving data mining methods. However, its previous approaches require a significant amount of time to protect the privacy of data holders because they conduct database scanning operations excessively many times until all important information is hidden. Moreover, as the size of a given database becomes larger and a user-specified minimum utility threshold becomes lower, their performance degradation may be so uncontrollable that they cannot operate normally. To solve this problem, we propose a fast perturbation algorithm based on a tree structure which more quickly performs database perturbation processes for preventing sensitive information from being exposed. We also present extensive experimental results between our proposed method and state-of-the-art algorithms using both real and synthetic datasets. They show the proposed method has not only outstanding privacy preservation performance that is comparable to the previous ones but also 5-10 times faster runtime than that of the existing approaches on average. In addition, the proposed algorithm guarantees better scalability than that of the latest ones with respect to databases with the characteristics of gradually increasing attributes and transactions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 42, Issue 3, 15 February 2015, Pages 1149-1165
نویسندگان
, ,