کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10327327 680984 2015 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Privacy Aware Access Control for Big Data: A Research Roadmap
ترجمه فارسی عنوان
کنترل دسترسی کنترل حریم خصوصی برای داده های بزرگ: نقشه راه تحقیق
ترجمه چکیده
اطلاعات بزرگ یک پدیده در حال ظهور است که به سرعت در حال تغییر مدل کسب و کار و سبک کار [1]. سیستم های اطلاعات بزرگ اجازه می دهد ذخیره و تجزیه و تحلیل حجم زیادی از داده ها با فرمت ناهمگن از منابع مختلف. این تجزیه و تحلیل یکپارچه اجازه می دهد تا مشتق شده از خواص و همبستگی بین داده ها که سپس می تواند برای اهداف مختلف استفاده شود، مانند پیش بینی هایی است که می توانند بر روند تصمیم گیری سودمند باشند. به عنوان یک واقعیت، در حال حاضر تجزیه و تحلیل بزرگ داده ها به طور کلی به عنوان دارایی برای تصمیم گیری های تجاری در نظر گرفته می شود. سیستم های اطلاعاتی بزرگ به طور خاص طراحی شده اند تا از فرم پیشرفته تحلیلی پشتیبانی کنند که رضایت عملکرد سختگیرانه و الزامات مقیاس پذیری را داشته باشد. با این حال، هنوز تا کنون توجهی به حفاظت داده نشده است. در واقع، اگر چه داده های تجزیه و تحلیل اغلب شامل اطلاعات شخصی و حساس، با تهدیدات مربوط به حریم خصوصی مربوط به آن توسط تجزیه و تحلیل است، تا کنون سیستم های اطلاعات بزرگ یکپارچه فرم کاملا پایه کنترل دسترسی، و هیچ حمایت از سیاست های حفظ حریم خصوصی. اگرچه مزایای بالقوه تجزیه و تحلیل داده ها چند وجهی است، عدم وجود مکانیسم های مناسب حفاظت از داده ها می تواند مانع پذیرش تجزیه و تحلیل داده های بزرگ توسط چندین شرکت شود. این انگیزه نیاز اساسی به ادغام آگاهی از حریم خصوصی و امنیت در سیستم عامل های بزرگ داده است. در این مقاله ابتدا گام اول برای دستیابی به این اهداف بلندپروازانه، بحث در مورد مسائل مربوط به تحقیق مربوط به تعریف یک چارچوب است که از ادغام ویژگی های کنترل دسترسی کنترل حریم خصوصی به سیستم های موجود بزرگ داده پشتیبانی می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
Big Data is an emerging phenomenon that is rapidly changing business models and work styles [1]. Big Data platforms allow the storage and analysis of high volumes of data with heterogeneous format from different sources. This integrated analysis allows the derivation of properties and correlations among data that can then be used for a variety of purposes, such as making predictions that can profitably affect decision processes. As a matter of fact, nowadays Big Data analytics are generally considered an asset for making business decisions. Big Data platforms have been specifically designed to support advanced form of analytics satisfying strict performance and scalability requirements. However, no proper consideration has been devoted so far to data protection. Indeed, although the analyzed data often include personal and sensitive information, with relevant threats to privacy implied by the analysis, so far Big Data platforms integrate quite basic form of access control, and no support for privacy policies. Although the potential benefits of data analysis are manifold, the lack of proper data protection mechanisms may prevent the adoption of Big Data analytics by several companies. This motivates the fundamental need to integrate privacy and security awareness into Big Data platforms. In this paper, we do a first step to achieve this ambitious goal, discussing research issues related to the definition of a framework that supports the integration of privacy aware access control features into existing Big Data platforms.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Big Data Research - Volume 2, Issue 4, December 2015, Pages 145-154
نویسندگان
, ,