شیوه ای برای حفاظت از نقض حریم خصوصی و نشت اطلاعات در داده کاوی حساس

چکیده

کلمات کلیدی

1.مقدمه

1-1 شناساگر 

2-1 شبه شناساگر 

3-1 ویژگیهای خروجی محرمانه 

4-1 ویژگیهای خروجی غیر محرمانه

2- جمع آوری و انتشار داده 

شکل 1 – جمع اوری داده و انتشار داده 

3- چارچوب حریم خصوصی 

1-3 ناشناس k 

شکل 2- چارچوب حریم خصوصی – پنج مرحله داده کاوی با حفظ حریم خصوصی 

3-2- محدودیتهای شیوه های موجود 

3-3شیوه ناشناس شخصی شده 

4-نتایج تجربی 

شکل 3- کارایی با توجه به اندازه های مختلف شبه شناساگر  

شکل 4- کارایی با توجه به مقادیر مختلف i وk 

5-نتیجه گیری 

سازمانهای دولتی و شاید سازمانهای غیر دولتی اغلب نیاز به انتشار داده های حساسی دارند که حاوی اطلاعات درباره افراد است. داده های حسای یا داده های خصوصی، منبع مهمی از اطلاعات برای نهادهایی مانند سازمان دولتی و غیر دولتی برای تحقیق و تخصیص بودجه های عمومی، تحقیق پزشکی و تحلیل روند است. مسئله مهم در اینجا انتشار داده ها بدون ظاهر ساختن اطلاعات حساس افراد باشند. این اطلاعات خصوصی یا حساس هر فرد برای مخازن داده زیادی مانند داده های پزشکی، داده های سرشماری، داده ثبت رای، داده شبکه اجتماعی و داده ها مشتری، ضروری هستند. در این مقاله، شیوه ناشناس سازی شخصی شده پیشنهاد شده است که از حریم خصوصی حفاظت کرده و در عین حال داده های حساس منتشر می شود. سهم اصلی این مقاله در سه زمینه است : 1- تعریف فرایند تخصیص و انتشار داده 2- مدل چارچوب حریم خصوصی – شیوه ناشناس سازی شخصی شده. تحلیل تجربی در انتها ارائه شده، مشخص شده است که این شیوه روی معیار تمایز- تنوع، معیار تنوع احتمالی و ناشناسی K با معیار نزدیکی t بهتر عمل می کند.

داده های جمع آوری شده به وسیله سازمانهای عمومی و سازمانهای خصوصی، هر روزدر حال افزایش بوده و در مخازن الکترونیک ذخیره می شوند. داده های در حال جمع آوری، شامل داده های حساس و خصوصی است. شیوه های بیشتر و بیشتر داده کاوی امروزه بوجود آمده و این شیوه ها را می توان برای ارزیابی فرایند تصمیم گیری استفاده کرد. شیوه های داده کاوی برای استخراج دانش نهفته از مجموعه های عظیم داده در شکل روندها، مدلها و الگوها استفاده شده اند. در حالی که انجام داده کاوی، داده های فردی را پردازش می کند که باید از نگرانی های حریم خصوصی محافظت شوند. حریم خصوصی یعنی اینکه اطلاعات فردی شناخته شده به عنوان داده حساس باید در حین انتشار داده ها حفاظت شود. در دیدگاه Schoeman [5] سه تعریف احتمالی حریم خصوصی پیشنهاد شده است : - حریم خصوصی حق هر فرد است. فرد می تواند تصمیم بگیرد کدام اطلاعات فردی باید با دیگران به اشتراک گذاشته شود. - حریم خصوصی دسترسی محدود به فرد و هر ویزگی یا تمام ویژگیهای مرتبط با یک فرد است. - حریم خصوصی یعنی مدیریت دسترسی به داده ها یا اطلاعات مربوط به خود فرد. در تعاریف بالا دانش استنتاج شده، انتشار اطلاعات کنترل شده است، بدین معنی که داده های فردی باید مخفی باشند، درحالی که برای تحقیق و سایر اهداف منتشر می شوند. داده های خرد یا داده های حساس، داده های خصوصی فردی مانند حقوق، سن، اطلاعات پزشکی و غیره است. مجموعه داده های خرد را می توان به عنوان فایلی با n رکورد درنظر گرفت، درحالی که هر رکورد حاوی m ویژگی است. ویژگیها را می توان به صورت زیر طبقه بندی کرد :