Privacy preserving data mining
Kişisel bilgilerin gizlenmesi veri madenciliği
- Tez No: 424344
- Danışmanlar: PROF. DR. ALİ KARCI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Science and Technology, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: İnönü Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Veri Madenciliği kendi büyük veri tabanını paylaşırken istatistik gibi geleneksel yaklaşımlarla elde edilemeyen yararlı bilgileri elde etmeye denir. Ancak, bu bazen hassas bilgileri açığa çıkarır veya bireysel kişisel gizlilik aşikar eder. Sanitization terimi veri tabanının değiştirilmesi ve yeni bir veri tabanı elde edilerek bu veri tabanı üzerinde yapılan veri madenciliği işlemleri hassas veriyi ortaya çıkarmama işlemine verilen isimdir. Bu işlem veri tabanı üzerinde çok az bozulma ile yönlendirilmelidir. Bu tez çalışmasında, Kişisel Bilgilerin Gizlenmesi Veri Madenciliği üzerine çalışmalar yapılmıştır. Özellikle, Birliktelik Kural Gizleme üzerine odaklanıldı ve sezgisel yaklaşımlarla değerlendirmeler yapıldı. Ayrıca kamuya açık veri kümelerinde bir dizi bu sezgisel yaklaşımları uygulandı ve sonuçlar değerlendirildi.
Özet (Çeviri)
Data Mining allows large database owners to share and extract useful knowledge that could not be deduced with traditional approaches like statistics. However, these sometimes reveal sensitive knowledge or breach individuals' privacy. The term sanitization is given to the process of changing original database into another one from which we can mine without exposing sensitive knowledge. This process should be guided by little distortion on the database. In this dissertation, we address these issues in a data mining branch called Privacy Preserving Data Mining. In particular, we focus on association rule hiding (ARH) and evaluate the heuristic approaches for this purpose. We also apply these heuristic approaches on a number of publicly available datasets and examine the results.
Benzer Tezler
- Privacy preserving rule-based classifiers using modified artificial bee colony optimization algorithm
Değiştirilmiş yapay arı kolonisi optimizasyon algoritmasını kullanan gizlilik koruyuculu kural-tabanlı sınıflandırıcılar
EZGİ ZORARPACI
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SELMA AYŞE ÖZEL
PROF. DR. YÜCEL SAYGIN
- 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
- 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
- Proxy-secure computation model: Application to k-means clustering implementation, analysis and improvements
Vekil güvenlikli hesaplama modeli: K-means gruplama uygulaması uygulama, analiz ve geliştirmeleri
ERMAN PATTUK
Yüksek Lisans
İngilizce
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERKAY SAVAŞ
- Gizlilik koruyan k - NN mekânsal enterpolasyon yöntemi
Privacy – preserving k-NN spatial interpolation method
MUHAMMAD RIFTHY KALIDEEN
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BÜLENT TUĞRUL