اطلاعات پایان نامه
شماره شناسایی : 39004315
نام و نام خانوادگی : سعيده دهقاني
عنوان پایان نامه : ارائه روشی جهت جلوگیری از حملات پیشرو مبتنی بر تحریف در پنهان سازی قوانین انجمنی
رشته تحصیلی : مهندسي كامپيوتر نرم افزار
مقطع تحصیلی : كارشناسي ارشد
استاد راهنما : مهدي باطني
استاد مشاور :
چکیده : داده‌کاوی حافظ حریم خصوصی، حوزه تحقیقاتی جدیدی است که نیاز استفاده از داده‌ها در داده‌کاوی در حالی که حریم خصوصی مالک داده حفظ شود را برآورده می‌کند . هدف از این حوزه توسعه الگوریتم‌هایی برای تغییر داده اصلی به گونه‌ای است که داده‌ها و اطلاعات خصوصی بعد و قبل از فرآیند داده‌کاوی، خصوصی باقی بمانند. روش‌ها و فنون متفاوتی برای جلوگیری از افشای اطلاعات حساس و حفظ محرمانگی داده‌ها وجود دارد که یکی از این روش‌ها پنهان‌سازی قوانین وابستگی حساس است. در این تحقیق روشی در این زمینه ارائه شده است که علاوه بر پنهان‌سازی اطلاعات حساس از شناسایی آن‌ها توسط حملات پیشرو جلوگیری می‌کند. مقایسه نتایج حاصل از اجرای الگوریتم‌های پیشنهادی و دو مورد از الگوریتم‌های پیشین بر روی پایگاه‌داده‌های متفاوت بیانگر برتری الگوریتم‌های ارائه شده است. در الگوریتم‌های پیشنهادی شکست پنهان‌سازی برابر صفر است و از نظر زمان اجرا بهبود قابل ملاحظه‌ای صورت گرفته است.از نظر تعداد قوانین گم شده نیز الگوریتم‌های پیشنهادی به جز یک مورد در تمامی موارد بهبود یافته است. این در حالی است که در الگوریتم‌های پیشنهادی اطلاعات پنهان شده قابل بازیابی توسط حملات پیشرو نیستند ولی در الگوریتم‌های پیشین درصد قابل ملاحظه‌ای از اطلاعات حساس قابل بازیابی هستند.
کلمات کلیدی : داده‌کاوی, حفظ حریم خصوصی در داده‌کاوی, پنهان‌سازی قوانین وابستگی, حملات پیشرو در پنهان‌سازی قوانین وابستگی
تاریخ دفاع : 1396/06/30
دانلود فایل چکیده

About Proposal
Title : A method to prevent forward attack in association rule hiding based on distortion
Abstract : Privacy preserving data mining is a new research area that meets the need to use data in data mining while retaining the privacy of the data owner. The purpose of this field is to develop algorithms for modifying the original data in such a way that private data and information remain private until and after the data mining process. There are various methods and techniques to prevent the disclosure of sensitive information and to preserve the confidentiality of data, one of which is to hide sensitive affiliation laws. In this study, a method has been proposed in this area that, in addition to hiding sensitive information, prevents them from identifying them by leading attacks. Comparing the results of proposed algorithms and two of the previous algorithms on different databases indicate the superiority of the proposed algorithms. In the proposed algorithms, cache failure is equal to zero, and there has been a significant improvement in terms of runtime time. In terms of the number of lost rules, the proposed algorithms, except for one case, have improved in all cases. However, in the proposed algorithms, hidden information can not be recovered by forward attacks, but in previous algorithms, a significant percentage of sensitive information can be recovered.
Keywords : Data mining, Privacy in data mining, Hiding association rules, forward attacks on hiding association rules
Download Abstract File