توسعه مدل k-anonymity به منظور حفظ حریم خصوصی برروی دادههای خرد

امروزه گردآورندگان اطلاعات به ویژه سازمانهای آماری با دو مسئله متضاد مواجهاند. از یک سو، بنا به وظیفه قانونی و رشد روز افزون تقاضا برای اطلاعات جمعآوری شده، خود را متعهد به انتشار هر چهه گسترده تر و با کفهفتتر اطلاعات به شکل داده های آماری می بفنند و از سوی دیگر با توجه به نگرانی عمومی نسبت به افشا اطلاعات شخصی و ویفهه قانونی این سازمانها برای مراقبت از اطلاعات خصوصی پاسخگویان، باید این تضمین را بدهند که ضمن ارائه بفشترین اطلاعات به جامعه، حریم شخصی پاسخگویان در حد معقول حفظ شود این مسئله زمانی حادتر می شود که مجموعه دادههای منتشره توسط متدههای داده کاوی ، در برابر حملات افشا صفت و هویت قرار می گفرند و با دانش استخراجی حریم خصوصی پاسخگویان نقض می شود . بدین منظور برای حل این مسائل و مدیریت دانش استخراج شده در متد های داده کاوی، رویکرد هایی تحت عنوان گمنامسازی دادهها مطرح شد. از جملهه آنها می توان به مدل های anonymity-sensitive k-p ، -+psensitive k-anonymity و (p, α)-sensitive k-anonymity اشاره کرد. این رویکردها ایجاد حداقل P مقدار مجزا را برای هر ویژگی حساس در رکوردهای منتشره هر گروه از شبهشناسهها تضمین می کنند.

کلیدواژه ها:

حفظ حریم شخصی ، داده کاوی ، K-Anonymity ، دادههای خرد