کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4950245 1440642 2017 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Aggregating privatized medical data for secure querying applications
ترجمه فارسی عنوان
جمع آوری داده های پزشکی خصوصی برای برنامه های کاربردی امن پرس و جو
کلمات کلیدی
حریم خصوصی داده ها، جمع آوری داده ها، پرس و جو داده ها،
ترجمه چکیده
سازمان های دولتی و خصوصی حجم زیادی از داده ها را تولید می کنند که آنها راضی هستند تا دیگران بتوانند تا زمانی که خصوصی می شوند پرس و جو کنند. (یک مثال از اطلاعات پزشکی است که می تواند برای اهداف تحقیق مورد استفاده قرار گیرد.) جمع آوری چنین داده ها بر روی ابر فرصتی برای پرس و جو از اطلاعات غنی است. این مقاله یک راه حل برای به اشتراک گذاشتن اطلاعات حساس فراهم می کند که تعداد زیادی از متصدیان داده ها مجموعه های داده های خصوصی خود را منتشر می کنند که سپس توسط یک مدیر ابر در یک ابر جمع می شوند تا داده ها بتوانند برای هر کسی که بخواهد از آن درخواست کند. علاوه بر این، راه حل ما تعیین می کند که چگونه داده های جمع شده می توانند به طور موثر و موثر مورد پرسش قرار گیرند، در حالی که حفظ حریم خصوصی نه تنها از داده ها، بلکه همچنین مالک اصلی داده ها، پرس و جو و پرس و جو شخصی است. ما روش تجمعی داده های غیر استاندارد را معرفی می کنیم و با آزمایش های تجربی نشان می دهد که روش پرس و جو داده های ما کارآمد است، حفظ حریم خصوصی قابل قبول داده ها و ابزار قابل قبول داده ها همراه با محاسبات عملی و هزینه های ذخیره سازی. راه حل ما نیز تعدادی از پرس و جو های متنوع شامل پیوستن، جمع، محدوده، توزیع شده، مرتب شده و تطبیق الگو را می پذیرد. سرانجام، ما در مورد چهار تهدید بالقوه ناشی از مدیریت ابر ما، که بر اساس آن طرح ما مقاوم است، بحث می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
Public and private organizations generate large amounts of data which they are happy to allow others to query as long as it is privatized. (One example is that of medical data which can be used for research purposes.) Aggregation of such data on a cloud provides an opportunity for querying over rich data. This paper provides a solution for sharing sensitive data where large numbers of data contributors publish their privatized data sets which are then aggregated by a cloud manager on a cloud so that data can be made available to anyone who wants to query it. Additionally, our solution determines how aggregated data can be efficiently and effectively queried, while retaining privacy not only of the data, but also of the original data owner, the query and the person querying. We introduce a non-standard diagonal data aggregation method and, by experimental testing, demonstrate that our data querying procedure is efficient, maintains acceptable data privacy and acceptable data utility, along with practical computation and storage costs. Our solution also accepts a number of varied queries including join, aggregate, range, nested, ordered by and pattern matching. Finally, we discuss four potential threats posed by our cloud manager against which our scheme is resistant.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 72, July 2017, Pages 250-263
نویسندگان
, ,