0% Complete
فارسی
Home
/
دوازدهمین کنفرانس بین المللی فناوری اطلاعات و دانش
حفظ حریم خصوصی در انتشار نسخه های متوالی دادههای شبکه اجتماعی با امکان افزایش یال
Authors :
طاهره سرزهی
1
مهری رجایی
2
1- دانشگاه سیستان و بلوچستان
2- دانشگاه سیستان و بلوچستان
Keywords :
انتشار داده پویا،حفظ حریم خصوصی، کشف يال، کشف درجه
Abstract :
با روی کار آمدن تعاملات مجازی، شبکه های اجتماعی جز جدایی ناپذیری از زندگی مردم شدهاند. با تحلیل و بررسی داده های این شبکهها میتوان اطلاعات مفیدی استخراج کرد. اما با انتشار کامل این اطلاعات حریم خصوصی کاربر نقض می شود بنابراین پیش از انتشار باید داده ها گمنام شوند. در واقعيت، شبکههای اجتماعي در طول زمان در حال تغییر هستند و برای تحلیل دقیق دادهها نیاز است نسخههای به روز داده منتشر شوند تکنیک های گمنام سازی تک نسخه پاسخگوی نیازمندی های حفظ حریم خصوصی داده های شبکه پویا نیستند زیرا علاوه بر اینکه با دسترسی به هر نسخه از داده ی گمنام شده باید شرایط حفظ حریم خصوصی برقرار باشد با مقایسه نسخه های گمنام شده متفاوت نیز نباید امکان نقض حریم خصوصی وجود داشته باشد و سودمندی داده در سطح قابل قبولی حفظ شود. در این مقاله مدل حريم خصوصي (α,β,γ,δ)-DSNP برای انتشار داده هاي شبکه اي پویا با امکان افزايش يال ارائه شده است که از کشف هويت، کشف صفت حساس، کشف يال و درجه جلوگيري مي کند. در ادامه به کمک تکنیک گمنام سازی ASN داده های پویای شبکه به صورتی گمنام می شوند که نیازمندی های مدل مورد نظر برآورده شود. نتایج شبیه سازی نشان میدهد در تکنیکهای ارائه شده علاوه بر حفظ حریمخصوصی و سودمندی دادههای جدولی، خواص توپولوژیکی شبکه در زمان های متفاوت در حد قابل قبولی حفظ می شود.
Papers List
List of archived papers
بهبود معاملات الگوریتمی سهام مبتنی بر رویکرد یادگیری تقویتی
مها العطوان - جعفر پورامینی
Combinatorial Auction Based on Social Choice in the Internet of Things
Maede Esmaeili - Faria Nassiri-Mofakham - Fatemeh Hassanvand
یک رویکرد سریع تحلیل و شناسایی آسیب پذیری Next-Intent در برنامه های کاربردی اندروید
زهرا کلوندی - دکتر مهدی سخائی نیا زهرا کلوندی - مهدی سخائی نیا -
استخراج ویژگی مجموعه دادههای پزشکی دارای ابعاد بالا با استفاده از برنامه نویسی ژنتیک چند منظوره
سحر فقیهی راد - دکتر سیده نفیسه آل محمد سحر فقیهی راد - سیده نفیسه آل محمد -
FedCloak: Backdoor-Based Covert Channels in Federated Learning
Mohammad Matin Rezaeifard - Fatemeh Zahedi - Seyed Arsalan Vasegh Rahim Parvar - Reza Ebrahimi Atani
Knowledge Extraction from Technical Reports Based on Large Language Models: An Exploratory Study
Parsa Bakhtiari - Hassan Bashiri - Alireza Khalilipour - Masoud Nasiripour - Moharram Challenger
Embedding-Consistent Contrastive Learning: A Robust Approach for Imbalanced Classification
Sobhan Siamak - Eghbal Mansoori
Improving Fog Computing Scalability in Software Defined Network using Critical Requests Prediction in IoT
Hajar Ghanbari
Predicting Suicide Risk in Adolescents with Random Forest for Unbalanced Data Management
Fatemeh Rabbani - Dr Behrooz Masoumi - Dr Mohammad Reza Keyvanpour
A Community-Based Method for Identifying Influential Nodes using Network Embedding
Nargess Vafaei - Dr Mohammad Reza Keyvanpour
more
Samin Hamayesh - Version 43.8.0