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
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Digital Continuity Guarantee Based on Data Consistency in Cloud Storage Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Privacy Preserving for Big Data Based on Fuzzy Set

verfasst von : Jun Wu, Chunzhi Wang

Erschienen in: Cloud Computing and Security

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Today Big Data is one of the major technology usages for every research areas in competitive world. There are many important aspects with Big Data which would be volume, velocity, variety and veracity. Furthermore it is necessary to optimize existing methods to be executable for privacy preserving of Big Data. In this paper, firstly analysis about Big Data and its associated privacy Preserving, then makes an overview of privacy preservation especially for the Location Privacy Data. Furthermore it proposes model for privacy preserving, and then gives formulation about the algorithm of Privacy Preserving Based on Fuzzy Set (PPFS) which can help to achieve privacy preserving.

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 Power Network Vulnerability Detection Based on Improved Adaboost Algorithm
Nächstes Kapitel Quantum Private Comparison Based on Delegating Quantum Computation
Literatur
1.
Baruh, L., Popescu, M.: Big data analytics and the limits of privacy self-management. New Media Soc. 1, 11–24 (2015)
2.
Goroff, D., Polonetsky, J., Tene, O.: Privacy protective research: facilitating ethically responsible access to administrative data. Ann. Am. Acad. Polit. Soc. Sci. 675(1), 46–66 (2018)CrossRef
3.
Madaan, N., Ahad, M.A., Sastry, S.M.: Data integration in IoT ecosystem: information linkage as a privacy threat. Comput. Law Secur. Rev. 34, 125–133 (2017)CrossRef
4.
Weichert, T.: Health privacy in the age of digital networks. Bundesgesundheitsblatt - Gesundheitsforschung – Gesundheitsschutz, pp. 1–6 (2018)
5.
Salah, K.P., Calyam, P., Boutaba, R.: Analytical model for elastic scaling of cloud-based firewalls. IEEE Trans. Netw. Serv. Manag. 14(1), 136–146 (2017)CrossRef
6.
Wu, L., et al.: Efficient and secure identity-based encryption scheme with equality test in cloud computing. Future Gener. Comput. Syst. 73(C), 22–31 (2017)CrossRef
7.
Mollah, M.B., Vasilakos, A., Vasilakos, A.: Security and Privacy Challenges in Mobile Cloud Computing. Academic Press Ltd., Cambridge (2017)
8.
Yu, J., Wang, H.: Strong key-exposure resilient auditing for secure cloud storage. IEEE Trans. Inf. Forensics Secur. 12(8), 1931–1940 (2017)CrossRef
9.
Li, Y., et al.: Intelligent cryptography approach for secure distributed big data storage in cloud computing. Inf. Sci. 387(C), 103–115 (2016)
10.
Moor, D., et al.: Investigative response modeling and predictive data collection. eCrime Researchers Summit, pp. 1–6. IEEE (2013)
11.
Wald, R., Khoshgoftaar, T., Sumner, C.: Machine prediction of personality from Facebook profiles. In: IEEE International Conference on Information Reuse and Integration, pp. 109–115 (2012)
12.
Ayhan, S., et al.: Predictive analytics with aviation big data. 54(9), 1–13 (2013)
13.
Bradford, R.B.: Use of latent semantic indexing to identify name variants in large data collections. In: IEEE International Conference on Intelligence and Security Informatics, pp. 27–32 (2013)
14.
Bravo-Marquez, F., Mendoza, M., Poblete, B.: Meta-level sentiment models for big social data analysis. Knowl.-Based Syst. 69, 86–99 (2014)CrossRef
15.
Zhang, Q., Yang, L.T., Chen, Z.: Privacy preserving deep computation model on cloud for big data feature learning. IEEE Trans. Comput. 65(5), 1351–1362 (2016)MathSciNetCrossRef
16.
Sadhya, D., Singh, S.K., Chakraborty, B.: Review of key-binding-based biometric data preserving schemes. Iet. Biometrics 5(4), 263–275 (2016)
17.
Ateniese, G., Fu, K., Green, M., Hohenberger, S.: Improved proxy re-encryption schemes with applications to secure distributed storage. ACM Trans. Inf. Syst. Secur. 9(1), 1–30 (2006)CrossRef
18.
Baek, J., Vu, Q., Liu, K., Huang, X., Xiang, Y.: A secure cloud computing based framework for big data information management of smart grid. IEEE Trans. Cloud Comput. 3(2), 233–244 (2015)CrossRef
19.
Gai, K., Qiu, M., Zhao, H.: Security-aware efficient mass distributed storage approach for cloud systems in big data. In: 2016 IEEE 2nd International Conference on Big Data Security on Cloud (BigDataSecurity), IEEE International Conference on High Performance and Smart Computing (HPSC), and IEEE International Conference on Intelligent Data and Security (IDS), pp. 140–145. IEEE, New York (2016)
20.
Gai, K., Qiu, M., Zhao, H., Dai, W.: Anti-counterfeit schema using monte carlo simulation for e-commerce in cloud systems. In: The 2nd IEEE International Conference on Cyber Security and Cloud Computing, pp. 74–79. IEEE, New York (2015)
21.
Xing, K., et al.: Mutual privacy preserving k-means clustering in social participatory sensing. IEEE Trans. Indust. Informat. PP(99), 1 (2017)
22.
Afzali, G.A., Mohammadi, S.: Privacy preserving big data mining: association rule hiding using fuzzy logic approach. IET Information Security (2016)
Metadaten
Titel
Privacy Preserving for Big Data Based on Fuzzy Set
verfasst von
Jun Wu
Chunzhi Wang
Copyright-Jahr
2018
Buch
Cloud Computing and Security

Print ISBN: 978-3-030-00011-0

Electronic ISBN: 978-3-030-00012-7

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-030-00012-7_59