Title: Towards Data Anonymization in Data Mining via Meta-heuristic Approaches

Author(s): Amiri F.,Kieseberg P.,Weippl E.,Bertone A.,Quirchmayr G.

نمایه شده در: Crossref Scopus

شناسه دیجیتال: DOI:10.1007/978-3-030-31500-9_3
شناسه اختصاصی:
IRDOI
273-829-328-154
[برای لینک دادن به این صفحه]

In this paper, a meta-heuristics model proposed to protect the confidentiality of data through anonymization. The aim is to minimize information loss as well as the maximization of privacy protection using Genetic algorithms and fuzzy sets. As a case study, Kohonen Maps put in practice through Self Organizing Map (SOM) applied to test the validity of the proposed model. SOM suffers from some privacy gaps and also demands a computationally, highly complex task. The experimental results show an improvement of protection of sensitive data without compromising cluster quality and optimality. © Springer Nature Switzerland AG 2019.

اطلاعات استنادی

0

پروفایل‌های مرتبط

در صورتی که تاکنون مقاله‌ای در اسکوپوس یا وب آو ساینس داشته‌اید ابتدا پروفایل خود را در سای اکسپلور بیابید و ادعای پروفایل نمایید.

در سای اکسپلور فاقد پروفایل می باشم.