PPDP中不同隐私保护技术的综述
密码学与安全
2018-08-14 v1 数据库
摘要
大数据是用于描述极大数据集的术语，这些数据集在存储与处理上存在诸多困难。对如此大量的数据进行分析会导致信息损失。本文的主要目标是以一种在尽量保持隐私的同时将信息损失降至最低的方式来共享数据。包含政府机构、大学详情和病史等的数据对于组织进行分析并预测趋势与模式十分必要，但由于隐私法规，数据所有者可能不愿共享数据[1]。通过对若干匿名化算法（如 k-匿名、l-多样性和 t-接近性）进行分析，可以以最小损失实现隐私保护。承认这些技术存在一些局限性。我们需要在隐私与信息损失之间维持权衡。我们引入了一种称为差分隐私的新方法。
引用
@article{arxiv.1808.04088,
title = {Review of Different Privacy Preserving Techniques in PPDP},
author = {Jalpesh Vasa and Panthini Modi},
journal= {arXiv preprint arXiv:1808.04088},
year = {2018}
}
备注
05 Pages, "Published with International Journal of Engineering Trends and Technology (IJETT)"