University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Abdelhak Bouyahiaoui |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Optimisation du processus d'anonymisation par les métaheuristiques inspirées de l a nature / Abdelhak Bouyahiaoui
Titre : Optimisation du processus d'anonymisation par les métaheuristiques inspirées de l a nature Type de document : texte imprimé Auteurs : Abdelhak Bouyahiaoui, Auteur ; Adem Semmar, Auteur ; Linda Kacha, Directeur de thèse Année de publication : 2022 Importance : 1 vol (53 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Anonymisation des données Index. décimale : 004 Informatique Résumé :
L'anonymisation des données est largement utilisée pour préserver l'utilité des ensembles de données publiés sans compromettre la confidentialité. Les approches d'anonymisation des données de pointe sont principalement des algorithmes basés sur un seul enregistrement. Ils regroupent un à un des enregistrements similaires, puis forment des classes d'équivalence par généralisation. Cependant, ces algorithmes n'utilisaient pas les classes d'équivalence qui existent dans l'ensemble de données brutes. Dans cet article, nous proposons un nouveau concept appelé classe naturelle équivalente. Il fait référence à l'ensemble d'enregistrements avec les mêmes valeurs de quasi-identifiant existant naturellement dans l'ensemble de données brut. Nous proposons un nouvel algorithme d'anonymisation basé sur le clustering, qui tente de regrouper les enregistrements sans séparer aucune classe équivalente naturelle. Des expériences approfondies sur des ensembles de données du monde réel montrent que notre approche surpasse les précédents algorithmes d'anonymisation basés sur le clustering en termes d'efficacité et d'utilité des données.Côte titre : MAI/0567 En ligne : https://drive.google.com/file/d/1jux5hcUc1UeV5bQHFf9MBdwEMYjpXbZ7/view?usp=share [...] Format de la ressource électronique : Optimisation du processus d'anonymisation par les métaheuristiques inspirées de l a nature [texte imprimé] / Abdelhak Bouyahiaoui, Auteur ; Adem Semmar, Auteur ; Linda Kacha, Directeur de thèse . - 2022 . - 1 vol (53 f .) ; 29cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Anonymisation des données Index. décimale : 004 Informatique Résumé :
L'anonymisation des données est largement utilisée pour préserver l'utilité des ensembles de données publiés sans compromettre la confidentialité. Les approches d'anonymisation des données de pointe sont principalement des algorithmes basés sur un seul enregistrement. Ils regroupent un à un des enregistrements similaires, puis forment des classes d'équivalence par généralisation. Cependant, ces algorithmes n'utilisaient pas les classes d'équivalence qui existent dans l'ensemble de données brutes. Dans cet article, nous proposons un nouveau concept appelé classe naturelle équivalente. Il fait référence à l'ensemble d'enregistrements avec les mêmes valeurs de quasi-identifiant existant naturellement dans l'ensemble de données brut. Nous proposons un nouvel algorithme d'anonymisation basé sur le clustering, qui tente de regrouper les enregistrements sans séparer aucune classe équivalente naturelle. Des expériences approfondies sur des ensembles de données du monde réel montrent que notre approche surpasse les précédents algorithmes d'anonymisation basés sur le clustering en termes d'efficacité et d'utilité des données.Côte titre : MAI/0567 En ligne : https://drive.google.com/file/d/1jux5hcUc1UeV5bQHFf9MBdwEMYjpXbZ7/view?usp=share [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0567 MAI/0567 Mémoire Bibliothéque des sciences Français Disponible
Disponible