عنوان انگلیسی: Privacy preservation techniques in big data analytics: a survey
سال نشر: ۲۰۱۸
نویسنده: P. Ram Mohan Rao,S. Murali Krishna,A. P. Siva Kumar
تعداد صفحه فارسی: ۱۴ – تعداد صفحه انگلیسی: ۱۲
دانشگاه: Department of Computer Science and Engineering, MLR Institute of Technology, Hyderabad, India
نشریه: Process Safety and Environmental Protection
کیفیت ترجمه: ترجمه پلاس
چکیده
مقادیر زیادی از دادهها توسط سازمانهای مختلف مانند بیمارستانها، بانکها، تجارت الکترونیک، زنجیره تامین و خردهفروشی و غیره به واسطه تکنولوژی دیجیتال تولید میشوند. نه تنها انسانها بلکه ماشینها نیز به دادهها به شکل پخش تلویزیونی مدار بسته، وبلاگها و غیره کمک میکنند.مقدار زیادی از داده ها هر دقیقه توسط رسانه های اجتماعی و تلفن های هوشمند تولید می شود. دادههای فراوان تولید شده از منابع مختلف را می توان پردازش و تحلیل کرد تا از تصمیمگیری پشتیبانی کند. با این حال تجزیه و تحلیل دادهها در معرض نقض حریم خصوصی قرار دارد. یکی از کاربردهای تجزیه و تحلیل دادهها، سیستمهای توصیه است که به طور گسترده توسط سایتهای تجارت الکترونیکی مانند آمازون (Amazon) ، فلیب کارت (Flip kart) برای پیشنهاد محصولات به مشتریان براساس عادات خرید آنها که منجر به حملات استنباطی میشود، استفاده میشود. اگرچه تجزیه و تحلیل دادهها در تصمیمگیری مفید است، اما منجر به نگرانیهای جدی در مورد حریم خصوصی خواهد شد. از این رو تجزیه و تحلیل دادههای حفظ حریم خصوصی بسیار مهم شد. این مقاله تهدیدهای مختلف حریم خصوصی، تکنیک
Abstract
Incredible amounts of data is being generated by various organizations like hospitals, banks, e-commerce, retail and supply chain, etc. by virtue of digital technology. Not only humans but machines also contribute to data in the form of closed circuit television streaming, web site logs, etc. Tons of data is generated every minute by social media and smart phones. The voluminous data generated from the various sources can be processed and analyzed to support decision making. However data analytics is prone to privacy violations. One of the applications of data analytics is recommendation systems which is widely used by ecommerce sites like Amazon, Flip kart for suggesting products to customers based on their buying habits leading to inference attacks. Although data analytics is useful in decision making, it will lead to serious privacy concerns. Hence privacy preserving data analytics became very important. This paper examines various privacy threats, privacy preservation techniques an
امتیاز شما: