Abordagem baseada na correlação para esconder itens sensíveis na mineração de dados: Uma nova abordagem para a exploração de dados que preserva a privacidade

By Avula Damodaram, Changalasetty Suresh Babu, Kuncham Sreenivasa Rao

O principal objectivo da prospec??o de dados ? extrair informa??o de alto n?vel ou escondida de grandes bases de dados. Juntamente com a vantagem de extrair um padr?o ?til, tamb?m constitui uma amea?a de revelar a informa??o sens?vel do utilizador. Podemos ocultar informa??o sens?vel do utilizador atrav?s da explora??o de dados de preserva??o da privacidade (PPDM). Na minera??o de dados, a minera??o de regras de associa??o ? um m?todo popular e bem pesquisado para descobrir rela??es interessantes entre vari?veis em grandes bases de dados. Como a regra de associa??o ? uma ferramenta chave para encontrar tais padr?es, certas regras de associa??o podem ser categorizadas como sens?veis se o seu risco de divulga??o estiver acima de um determinado limiar especificado. A maioria das abordagens de preserva??o da privacidade na extrac??o de dados utiliza apoio e confian?a. O autor deste livro prop?s uma abordagem baseada na correla??o que utiliza outras medidas que n?o o apoio e a confian?a, tais como a correla??o entre itens em conjuntos de itens sens?veis para esconder os conjuntos de itens sens?veis frequentes. As colunas do conjunto de dados com um valor limiar de correla??o especificado s?o consideradas para o processo de oculta??o. Este mecanismo ? denominado mecanismo de pondera??o do coeficiente de correla??o de Pearson, que mant?m o com?rcio entre privacidade e acuracidade.

• Format: Paperback
• Language: Portuguese
• ISBN: 6205898012
• ISBN13: 9786205898017
• Release Date: April 2023
• Publisher: Edicoes Nosso Conhecimento
• Length: 132 Pages
• Weight: 0.45 lbs.
• Dimensions: 0.3" x 6.0" x 9.0"