شماره ركورد كنفرانس :
4230
عنوان مقاله :
مروري بر روش هاي گمنامسازي در پاسخگويي به پرسوجوها
عنوان به زبان ديگر :
A Survey on Anonymizing Methods in Query Answerability
پديدآورندگان :
مهرآوران مائده m.mehravaran@stu.yazd.ac.ir دانشگاه يزد , زارعميركآباد محمدرضا mzare@yazd.ac.ir دانشگاه يزد
كليدواژه :
محافظت از محرمانگي , گمنامسازي , گمشدگي اطلاعات , پاسخگويي به پرسوجو
عنوان كنفرانس :
كنفرانس بين المللي وب پژوهي
چكيده فارسي :
امروزه با توجه به عصر اطلاعات و رشد سريع آن، حجم زياد دادهها همراه با جزئيات كافي در دسترس افراد مختلف است كه ميتواند حريم خصوصي افراد را به مخاطره اندازد و باعث فاششدن اطلاعات خصوصي افراد شود. براي مفيد بودن اطلاعات، همراه با تضمين اين محافظت، با يك وضعيت متناقضي مواجه هستيم. از يك طرف نياز به انتشار جزئيات دادهها است تا دادهها مفيد و مورد استفاده واقع گردد. از طرف ديگر نياز به جلوگيري از انتشار اطلاعات و صفات حساس وجود دارد تا منجر به فاششدن اطلاعات خصوصي و محرمانه افراد نگردد. بنابراين نياز به روشهايي وجود دارد كه امكان دسترسي به اطلاعات فرد خاص وجود نداشته باشد. گمنامسازي يكي از اين روشها است. همراه با گمنامسازي دادهها، بحث ميزان اطلاعاتي كه در اختيار افراد قرار ميدهند وجود دارد. يكي از جنبههاي مهم در مورد دادههاي گمنامسازي شده قابليت آنها در جواب دادن به پرسوجوهاي كاربران ميباشد. در اين مقاله، مروري بر كارهاي انجام شده در زمينه ميزان نزديك بودن پاسخ پرسوجوهاي كاربران به واقعيت، در روشهاي مختلف، خواهيم داشت و در نهايت مقايسهاي بين روشها انجام ميشود.
چكيده لاتين :
In the age of information and its rapid growth, high volume data with enough details is available, which can jeopardize individuals privacy. In addition to the usefulness of information, along with ensuring protection, we are faced with a paradoxical situation. In one hand we want or need to share person-specific data with keeping as much details as possible. On the other hand, making sure that the information is sufficiently protected is a key point. This protection is necessary to prevent identity and sensitive information disclosure, while detailed information of individuals is published. One essential aspect is how queries can be answered on anonymized data. In this paper, we survey and evaluate different methods for anonymizing data, in the terms of query results which are accurate and close to real responses.