Privacy-preserving geostatistics
Gizliliği koruyarak jeoistatistik
- Tez No: 365559
- Danışmanlar: DOÇ. DR. HÜSEYİN POLAT
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: İngilizce
- Üniversite: Anadolu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 120
Özet
Jeoistatistik uzaysal veri ile ilgilenir ve konum ve ölçüm verileri arasındaki ilişkiyi ortaya çıkarmaya çalışır. Jeoistatistikte kullanılan enterpolasyon yöntemleri yakın nesnelerin uzak nesnelere göre daha çok birbirine benzediği prensibine dayanır. Mesafeyle ters ağırlıklandırma ve kriging jeoistatistikte en iyi bilinen ve uygulanan yöntemlerdir. Gizlilik endişelerinden dolayı bu işlemleri gizliliği ifşa etmeden gerçekleştirmek önemlidir. Ayrıca bu yöntemlerin doğruluğu ölçüm noktalarının toplam sayısına bağlıdır. Eğer ekonomik veya gizlilik nedenleriyle yetersiz ölçüm noktası var ise bu yöntemlerle üretilen tahminlerin doğruluğu inandırıcı olmayabilir. Bazı durumlarda kurumlar aynı veya komşu bölge için ölçümler elde edebilirler. Daha doğru modeller oluşturmak için işbirliği yapmak isteyebilirler. Ama gizli verilerini paylaşmak istemezler. Bu tezde merkezi sunucu tabanlı şemayı da içeren farklı veri paylaştırma şemaları için gizliliği koruyan mesafeyle ters ağırlıklandırma veya kriging çözümleri önerilmiştir. Çözüm önerileri gizlilik, performans ve doğruluk açısından analiz edilmiştir. Bu amaçla gerçek veri setleri kullanılarak değişik deneyler yapılmıştır. Deneysel sonuçlar önerilen yöntemlerin gizliliği koruyarak doğru öneriler ürettiklerini göstermiştir.
Özet (Çeviri)
Geo-statistics deals with spatial data and tries to find out relationship between locations and measured data. Methods used in geo-statistics interpolations rely on the principle that things are closer to each other more alike than the things are farther apart. Inverse distance weighting and kriging are most well-known and applied methods in geo-statistics. It is important to perform such methods without violating data confidentiality due to privacy reasons. Also, their accuracy depends on the total number of sample points. If there are insufficient sample points due to financial or privacy reasons, accuracy of the predictions produced by these methods may become unconvincing. There are cases in which institutions obtain measurements for the same or neighbor region. To create more accurate models, they may want to collaborate. However, they do not want to share their private data. In this thesis, privacy-preserving methods are proposed to provide inverse distance weighting- or kriging-based predictions for different data partitioning schemas including central server-based case. The proposed solutions are analyzed with respect to privacy, performance, and accuracy. Different sets of experiments are conducted using real data sets to analyze the proposed methods. Empirical outcomes show that the methods are able to provide accurate predictions while preserving privacy.
Benzer Tezler
- Privacy-preserving XGBoost inference with homomorphic encryption
Homomorfik şifreleme ile gizlilik korumalı XGBoost tahmin algoritması
ŞEYMA SELCAN MAĞARA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAY SAVAŞ
- Privacy preserving data analysis for information systems
Bilgi sistemleri için gizliliği koruyan veri analizi
BARIŞ YILDIZ
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. RECEP ALP KUT
- Blockchain in healthcare: Smart contracts to improve dental healthcare for children in mixed dentition period
Sağlıkta blockchaın: Karma diş dönemindeki çocuklar için diş sağlığını iyileştirmeye yönelik akıllı sözleşmeler
WILDAN MOHAMMED ARABY AL RUBAYE
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEFER KURNAZ
- Privacy-preserving data sharing and utilization between entities
Kurumlararası gizliliği koruyan veri paylaşımı
DİDEM DEMİRAĞ
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ERMAN AYDAY
- Privacy preserving data publishing with multiple sensitive attributes
Privacy preserving data publishing with multiple sensitive attributes
AHMED ABDALAL
Doktora
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YÜCEL SAYGIN
YRD. DOÇ. DR. MEHMET ERCAN NERGİZ