Privacy preserving rule-based classifiers using modified artificial bee colony optimization algorithm
Değiştirilmiş yapay arı kolonisi optimizasyon algoritmasını kullanan gizlilik koruyuculu kural-tabanlı sınıflandırıcılar
- Tez No: 562824
- Danışmanlar: PROF. DR. SELMA AYŞE ÖZEL, PROF. DR. YÜCEL SAYGIN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Diferansiyel olarak gizli kural tabanlı sınıflandırıcılar, Yapay Arı Kolonisi Optimizasyonu, Differentially Private Rule-Based Classifiers, Artificial Bee Colony Optimization, Privacy Preserving Classification
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: 155
Özet
Veri madenciliğinde verilerin gizliliğin korunması yeni bir araştırma alanıdır. Gizlilik korumalı veri madenciliğinin amacı veri üzerinde veri madenciliği tekniklerini gerçekleştirirken aynı zamanda da kişilerin hassas bilgilerinin sızmasını engellemektir. Sınıflandırma veri madenciliğinin en çok çalışılan konularından biridir ve bu nedenle gizlilik koruyuculukorumalı veri madenciliği alanında da popüler olmuştur. Diferansiyel gizlilik, gizlilik sızıntısının oranını ϵ parametresi kullanarak belirleyen ve araştırmacılara hassas bilginin bulunduğu veriyi analiz etme imkânı sağlayan güçlü bir gizlilik garantisidir. Literatürde Ant-Miner gibi meta-sezgisel kullanan kural tabanlı sınıflandırıcılar oldukça başarılı olmasına rağmen, bu algoritmaların diferansiyel gizlilik ile ilgili herhangi bir uygulaması gerçekleştirilmemiştir. Bu nedenle, bu tezde kural tabanlı sınıflandırıcıların meta-sezgisel algoritmalar kullanılarak diferansiyel gizlilik ile uygulamaları gerçekleştirilmektedir. Önerilen kural tabanlı sınıflandırma algoritmaları küçük ϵ değerleri için (ϵ=1) literatürde bulunan diğer sınıflandırma yöntemlerinden daha iyi bir performans göstermiştir.
Özet (Çeviri)
Privacy preserving data mining is a hot research field for data mining. The aim of privacy preserving data mining is to prevent the leakage of the sensitive information of individuals while performing data mining techniques. Classification task is one of the most studied fields in data mining hence in privacy preserving data mining as well. On the other hand, differential privacy is a powerful privacy guarantee that determines privacy leakage ratio by using ϵ parameter and enables researchers to mine data which includes sensitive information. Although the success of the rule-based classifiers using meta-heuristics such as Ant-Miner etc. in data mining has been demonstrated, any implementation of these classification algorithms with differential privacy has not been proposed in the literature to our best knowledge. Motivated by this, implementations of the rule-based classification algorithms by using meta-heuristics with differential privacy are performed in this thesis. According to the experimental results, the proposed rule-based classification algorithms outperform the other classification techniques in the literature for low ϵ parameters (i.e., ϵ=1).
Benzer Tezler
- Privacy preserving data mining
Kişisel bilgilerin gizlenmesi veri madenciliği
AFRAH FAREA
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ KARCI
- Privacy-preserving mechanisms for face verification systems
Yüz doğrulama sistemleri için gizliliği koruyucu mekanizmalar
MARAM H. W. ALAGHBAR
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- Privacy preserving multi-user charging and billing scheme for dynamic charging electric vehicles
Başlık çevirisi yok
SİMGE KOÇTAŞ
- Privacy preserving and robust watermarking on sequential genome data using belief propagation and local differential privacy
Dizisel genetik veriler ̇için ̇inanç yayımı ve lokal diferansiyel gizlilik kullanılarak oluşturulan güçlü ve gizlilik koruyucu filigran teknikleri
ABDULLAH ÇAĞLAR ÖKSÜZ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR GÜDÜKBAY
YRD. DOÇ. DR. ERMAN AYDAY
- Privacy-preserving two-party collaborative filtering on overlapped ratings
Çakışmalı oylar üzerinden gizlilik korumalı iki partili ortak filtreleme
BURAK MEMİŞ
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İBRAHİM YAKUT