RISS 검색 - 국내학술지논문 상세보기

국문 초록 (Abstract)

최근 데이터 프라이버시 보호를 위한 익명화 기법에 대한 연구가 활발히 진행되고 있다. 그러나 대부분의 연구가 정적인 테이블 데이터의 익명화 기법에 초점을 맞추고 있다. 데이터를 이용...

최근 데이터 프라이버시 보호를 위한 익명화 기법에 대한 연구가 활발히 진행되고 있다. 그러나 대부분의 연구가 정적인 테이블 데이터의 익명화 기법에 초점을 맞추고 있다. 데이터를 이용하는 분야가 늘어남에 따라 다양한 환경에 적합한 프라이버시 보호 기법이 필요하다. 이 논문에서는 데이터 스트림환경에서 프라이버시 보호를 위한 효과적인 익명화 기법을 제안한다. 기존 데이터 스트림에서 프라이버시 연구가 k-익명화 모델에 제한되어 있으므로 더 강력한 프라이버시 보호를 보장하는 ℓ-다양성 모델을 위한 새로운 익명화 기법을 소개한다. 제안하는 기법은 데이터의 분포와 자주 등장하는 민감한 정보의 빈도를 이용하여 정보손실을 최소화 한다. 또한 실제 데이터를 이용한 다양한 실험을 통해 제안 기법의 효율성 및 성능을 평가한다.

다국어 초록 (Multilingual Abstract)

Recently, anonymization methods to protect data privacy have received a lot of attention. Most of them, however, focus on the anonymization methods for static tabular data. With the increasing use of the data, the privacy protection methods suitable for a variety of environments are required. In this paper, we propose an efficient anonymization method to protect the privacy in data streams. Since the previous work which considered the privacy protection in data streams is limited to the k-anonymity model, we develop the anonymization method for the ℓ-diversity model which guarantees stronger privacy protection. The proposed method considered the distribution of data streams and the frequency of sensitive information to minimize the information loss. Also, we performed various experiments to evaluate the efficiency and performance of the proposed method by using real data.

목차 (Table of Contents)

요약
Abstract
1. 서론
2. 관련연구
3. 문제정의

요약
Abstract
1. 서론
2. 관련연구
3. 문제정의
4. 제안기법
5. 성능평가
6. 결론
References

참고문헌 (Reference)

1 A. Machanavajjhala, "ℓ-diversity: Privacy beyond k-anonymity" 24-, 2006

2 J. Li, "nonymizing streaming data for privacy protection" 1367-1369, 2008

3 X. Xiao, "m-invariance: Towards privacy preserving re-publication of dynamic datasets" 689-700, 2007

4 L. Sweeney, "k-anonymity: A model for protecting privacy" 10 (10): 557-570, 2002

5 L. Backstrom, "Wherefore art thou R3579X? anonymized social networks, hidden patterns, and structural steganography" 181-190, 2007

6 A. Asuncion, "UCI Machine Learning Repository, University of California, School of Information and Computer Science, Retrieved from the World Wide Web"

7 V. S. Iyengar, "Transforming data to satisfy privacy constraints" 279-288, 2002

8 N. Siong, "Towards a privacy-aware stream data management system for cloud applications" 7 (7): 246-267, 2011

9 J.W. Byun, "Secure anonymization for incremental datasets" 48-63, 2006

10 P. Wang, "SANATOMY: Privacy preserving publishing of data streams via anatomy" 54-57, 2010