Injector: Mining Background Knowledge for Data Anonymization
目錄 摘要 引言 背景知識攻擊 從數據中挖掘背景知識 背景知識 我們的方法 Injector框架 挖掘負關聯規則 摘要 現有的保護隱私數據發佈的工作無法令人滿意地阻止具有背景知識的對手學習重要的敏感信息。主要挑戰在於建模對手的背景知識。我們提出了一種應對此類攻擊的新穎方法。從要發佈的數據中挖掘知識，然後在匿名化數據時將挖掘結果用作背景知識。我們採用這種方法的理由是，如果存在某些事實或背景知識，則它
相關文章
- 1. Big Data Analysis and Mining
- 2. Data mining(I)
- 3. Probabilistic Data Structures for Web Analytics and Data Mining
- 4. Mining Graph Data
- 5. 文獻參考：Pattern-Preserving k-Anonymization of Sequences and its Application to Mobility Data Mining
- 6. Tinghua Data Mining 3
- 7. Tinghua Data Mining 2
- 8. Tinghua Data Mining 7
- 9. Tinghua Data Mining 4
- 10. Tinghua Data Mining 5
- 更多相關文章...
- • Swift for 循環 - Swift 教程
- • Scala for循環 - Scala教程
- • JDK13 GA發佈：5大特性解讀
- • PHP開發工具
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Big Data Analysis and Mining
- 2. Data mining(I)
- 3. Probabilistic Data Structures for Web Analytics and Data Mining
- 4. Mining Graph Data
- 5. 文獻參考：Pattern-Preserving k-Anonymization of Sequences and its Application to Mobility Data Mining
- 6. Tinghua Data Mining 3
- 7. Tinghua Data Mining 2
- 8. Tinghua Data Mining 7
- 9. Tinghua Data Mining 4
- 10. Tinghua Data Mining 5