Anzeige
Erschienen in:
2008 | OriginalPaper | Buchkapitel
A Survey of Attack Techniques on Privacy-Preserving Data Perturbation Methods
verfasst von : Kun Liu, Chris Giannella, Hillol Kargupta
Erschienen in: Privacy-Preserving Data Mining
Verlag: Springer US
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
We focus primarily on the use of additive and matrix multiplicative data perturbation techniques in privacy preserving data mining (PPDM). We survey a recent body of research aimed at better understanding the vulnerabilities of these techniques. These researchers assumed the role of an attacker and developed methods for estimating the original data from the perturbed data and any available prior knowledge. Finally, we briefly discuss research aimed at attacking
k
-anonymization, another data perturbation technique in PPDM.