원문정보
초록
영어
In a world where everything in life is being digitized, the amount of data is increasing exponentially. These data are processed into new data through collection and analysis. New data is used for a variety of purposes in hospitals, finance, and businesses. However, since existing data contains sensitive information of individuals, there is a fear of personal privacy exposure during collection and analysis. As a solution, there is privacy-preserving data mining (PPDM) technology. PPDM is a method of extracting useful information from data while preserving privacy. In this paper, we investigate PPDM and analyze various measures for evaluating the privacy and utility of data.
한국어
생활의 모든 것들이 데이터화 되어가고 있는 세상에서 데이터의 양은 기하급수적으로 증가하고 있다. 이러한 데이터 는 수집 및 분석을 통하여 새로운 데이터로 가공되어진다. 새로운 데이터는 병원, 금융, 기업 등 여러 분야에서 다양한 용도 로 사용되고 있다. 그러나 기존의 데이터에는 개인들의 민감한 정보가 포함되어 있기 때문에 수집 및 분석과정에서 개인의 프라이버시 노출 우려가 있다. 해결 방안으로 프라이버시 보존형 데이터 마이닝(PPDM)기술이 있다. PPDM은 프라이버시 를 보존하면서 동시에 데이터로부터 유용한 정보를 추출하는 방법이다. 본 논문에서는 PPDM을 조사하고 데이터의 프라이 버시와 유틸리티를 평가하기 위한 다양한 측정방법을 분석한다.
목차
Abstract
1. 서론
2. 기본적인 데이터 마이닝 기술
2.1 연관규칙 마이닝
2.2 분류
2.3 군집
3. 프라이버시와 데이터마이닝
3.1 데이터 수집시 프라이버시
3.2 데이터 공개시 프라이버시
3.3 데이터 마이닝 결과 프라이버시
4. 프라이버시와 유틸리티 측정
4.1 프라이버시 측정
4.2 유틸리티 측정
4.3 계산 복잡성 측정
5. 결론
REFERENCES