تحلیل امن داده های بزرگ در محیط ابری برای بهبود کارایی تجاری بانک ها

حریم خصوصی تفاضلی یک مدل توسعه یافته برای انتشار اطلاعات حساس، در حالی که حریم خصوصی تفاضلی به نمایش گذاشته شده است، که یکی از این روش ها تجزیه و تحلیل رگرسیون است. راه حل های زیادی برای تجزیه و تحلیل رگرسیون وجود دارد و چون ما در این مقاله می خواهیم داده های بانک را مورد ارزیابی قرار دهیم به یک روشی نیاز داریم تا بخترین جواب با بهترین دقت و بیشترین امنیت را در پی داشته باشد. در این مقاله یک روش حفظ حریم خصوصی برای کلاس بزرگی از تجزیه و تحلیل مبتنی بر بهینه سازی مطرح شده است. تفاوت این روش با دیگر روش ها در اضافه کردن نویز به تابع هدف به جای نتایج است. ما این روش را به دو مدل رگرسیون به نام های رگرسیون خطی و رگرسیون لجستیک که بیشترین استفاده را در تجزیه و تحلیل رگرسیون دارند اعمال کرده ایم. ما این روش را بر روی داده های بانک پاسارگاد پیاده سازی کرده ایم. نتایج نشان می دهد که این روش بسیار موثر و مناسب است و به صورت قابل توجهی نسبت به راه حل های موجود بهتر است.

کلیدواژه ها:

حریم خصوصی تفاضلی ، رگرسیون ، داده های بانک ، داده های بزرگ ، داده کاوی