题目: A Heuristic Approach for Sensitive PatternHiding with Improved Data Quality

摘要: 频繁项集挖掘可用于发现数据集中存在的各种兴趣模式。然而,当数据与其他组织共享时,这会带来很大的优先级威胁。从组织或个人的角度来看,有一些业务关键型的频繁模式被认为是敏感的,因为披露这些模式会泄露机密信息。隐私保护数据挖掘(PPDM)提供了各种技术来隐藏敏感模式,以确保在共享数据集上应用数据挖掘模型无法显示这些模式。基于启发式的敏感模式隐藏技术因其执行速度快而被广泛采用,但其副作用较大。本文提出了一种基于受害者项删除的敏感模式隐藏启发式算法MinMax。在该算法中,计算每个暂定目标项的未命中代价Im-pact(MCI)值,并选择最小的目标项作为目标项,从而降低了未命中代价。在基准数据集上的实验结果表明,与现有的启发式技术相比,提出的算法具有更少的执行时间和更好的数据质量。

作者简介:

Durga Toshniowal,印度理工学院(IIT Rookee)计算机科学与工程系教授&运输系统中心主任。个人主页:http://www.durgatoshniwal.in/

成为VIP会员查看完整内容
7

相关内容

数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析,以求最大化地开发数据资料的功能,发挥数据的作用。
【电子书】大数据挖掘,Mining of Massive Datasets,附513页PDF
专知会员服务
103+阅读 · 2020年3月22日
实验室论文被 ASE 2019 录用
inpluslab
16+阅读 · 2019年8月9日
【泡泡图灵智库】实时单目物体-模型感知稀疏SLAM(ICRA)
泡泡机器人SLAM
10+阅读 · 2019年7月12日
已删除
AI掘金志
7+阅读 · 2019年7月8日
【泡泡图灵智库】Detect-SLAM:目标检测和SLAM相互收益
泡泡机器人SLAM
14+阅读 · 2019年6月28日
差分隐私保护:从入门到脱坑
FreeBuf
17+阅读 · 2018年9月10日
Soft-NMS – Improving Object Detection With One Line of Code
统计学习与视觉计算组
6+阅读 · 2018年3月30日
基于聚类和决策树的链路预测方法
计算机研究与发展
8+阅读 · 2017年8月25日
Arxiv
8+阅读 · 2018年11月27日
VIP会员
相关VIP内容
【电子书】大数据挖掘,Mining of Massive Datasets,附513页PDF
专知会员服务
103+阅读 · 2020年3月22日
相关资讯
实验室论文被 ASE 2019 录用
inpluslab
16+阅读 · 2019年8月9日
【泡泡图灵智库】实时单目物体-模型感知稀疏SLAM(ICRA)
泡泡机器人SLAM
10+阅读 · 2019年7月12日
已删除
AI掘金志
7+阅读 · 2019年7月8日
【泡泡图灵智库】Detect-SLAM:目标检测和SLAM相互收益
泡泡机器人SLAM
14+阅读 · 2019年6月28日
差分隐私保护:从入门到脱坑
FreeBuf
17+阅读 · 2018年9月10日
Soft-NMS – Improving Object Detection With One Line of Code
统计学习与视觉计算组
6+阅读 · 2018年3月30日
基于聚类和决策树的链路预测方法
计算机研究与发展
8+阅读 · 2017年8月25日
微信扫码咨询专知VIP会员