Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Prediction of Employee Attrition Using GWO and PSO Optimised Models of C5.0 Used with Association Rules and Analysis of Optimisers Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Automatic Selection of Sensitive Attributes in PPDP

verfasst von : V. Uma Rani, M. Sreenivasa Rao, K. Jeevan Suma

Erschienen in: Innovations in Computer Science and Engineering

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Privacy-preserving data publishing and data analysis conventional respectable work in past age as encouraging methodologies for sharing data as well as preserving privacy of individual. A remedy to this is data scrambling. Numerous algorithms are formulated to replace lawful information by fictitious but that is practical. Yet, nothing was proposed to automate the detection associated with information scrambling which is very much essential. In this paper, we propose a novel method for automatic selection of sensitive attributes for data scrambling. This is done by ranking the attributes based on attribute evaluation measures. And also, an innovative method for privacy-preserving data publishing with automatic selection of sensitive attributes which provide secure release of information for a data-mining task while preserving sensitive information.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Novel Semantic Discretization Technique for Type-2 Diabetes Classification Model
Nächstes Kapitel Investigation of Geometrical Properties of Kernels Belonging to Seeds
Literatur
1.
Kamakshi P, Vinaya Babu A (2012) Automatic detection of sensitive attribute in PPDM. In: 2012 IEEE international conference on computational intelligence and computing research
2.
du Mouza C, Métais E, Lammari N, Akoka J, Aubonnet T, Comyn-Wattiau I, Fadili H, Si-Said Cherfi S (2010) Towards an automatic detection of sensitive information in a database. In: 2010 second international conference on advances in databases, knowledge, and data application
3.
4.
5.
6.
7.
8.
9.
Sweeney L (2002) Achieving k-anonymity privacy protection using generalization and suppression. Int J Uncertain Fuzziness Knowl Based Syst 10(5):571–588
10.
Blanning R (1988) Sensitivity analysis in hierarchical fuzzy logic models. In Proceedings of the international conference on decision support and knowledge-based systems track, pp 471–476
11.
Meyerson A, Williams R (2004) On the complexity of optimal K-anonymity. In: Proceedings of the international symposium on principles of database systems (PODS), pp 223–228
12.
Bayardo RJ Jr., Agrawal R (2005) Data privacy through optimal k-anonymization. In: Proceedings of the international conference on data engineering (ICDE), pp 217–228; Park H, Shim K (2007) Approximate algorithms for K-anonymity. In: Proceedings of the international conference on management of data (SIGMOD), pp 67–78
13.
Xiao X, Tao Y, Koudas, N (2010) Transparent anonymization: Thwarting adversaries who know the algorithm. ACM TODS 35(2)
Metadaten
Titel
Automatic Selection of Sensitive Attributes in PPDP
verfasst von
V. Uma Rani
M. Sreenivasa Rao
K. Jeevan Suma
Copyright-Jahr
2019
Verlag
Springer Singapore
Buch
Innovations in Computer Science and Engineering

Print ISBN: 978-981-13-7081-6

Electronic ISBN: 978-981-13-7082-3

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-981-13-7082-3_18