$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 프라이버시 보호 데이터 배포를 위한 모델 조사
Models for Privacy-preserving Data Publishing : A Survey

정보과학회논문지 = Journal of KIISE, v.44 no.2, 2017년, pp.195 - 207  

김종선 (고려대학교 컴퓨터학과) ,  정기정 (고려대학교 컴퓨터학과) ,  이혁기 (고려대학교 컴퓨터학과) ,  김수형 (고려대학교 IT융합학과) ,  김종욱 (상명대학교 미디어소프트웨어학과) ,  정연돈 (고려대학교 컴퓨터학과)

초록
AI-Helper 아이콘AI-Helper

최근 다양한 분야에서 데이터들이 활발하게 활용되고 있다. 이에 따라 데이터의 공유나 배포를 요구하는 목소리가 높아지고 있다. 그러나 공유된 데이터에 개인과 관련된 민감한 정보가 있을 경우, 개인의 민감한 정보가 드러나는 프라이버시 유출이 발생할 수 있다. 개인 정보가 포함된 데이터를 배포하기 위해 개인의 프라이버시를 보호하면서 데이터를 최소한으로 변형하는 프라이버시 보호 데이터 배포(privacy-preserving data publishing, PPDP)가 연구되어 왔다. 프라이버시 보호 데이터 배포 연구는 다양한 공격자 모델을 가정하고 이러한 공격자의 프라이버시 유출 공격으로부터 프라이버시를 보호하기 위한 원칙인 프라이버시 모델에 따라 발전해왔다. 본 논문에서는 먼저 프라이버시 유출 공격에 대해 알아본다. 그리고 프라이버시 모델들을 프라이버시 유출 공격에 따라 분류하고 각 프라이버시 모델들 간의 차이점과 요구 조건에 대해 알아본다.

Abstract AI-Helper 아이콘AI-Helper

In recent years, data are actively exploited in various fields. Hence, there is a strong demand for sharing and publishing data. However, sensitive information regarding people can breach the privacy of an individual. To publish data while protecting an individual's privacy with minimal information ...

Keyword

참고문헌 (33)

  1. Narayanan A, Shmatikov V, "Robust de-anonymization of large datasets (how to break anonymity of the Netflix prize dataset), 2008," University of Texas at Austin, 2008. 

  2. Sweeney L, "k-anonymity: A model for protecting privacy," International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, Vol. 10, No. 3, pp. 557-570, 2002. 

  3. Gehrke J, "Models and methods for privacy preserving data publishing and analysis," Proc. of the 22nd International Conference on Data Engineering (ICDE), Vol. 105, 2006. 

  4. Fung B, Wang K, Chen R, Yu PS, "Privacypreserving data publishing: A survey of recent developments," ACM Computing Surveys (CSUR), Vol. 42, No. 4, pp. 14, 2010. 

  5. Xu Y, Ma T, Tang M, Tian W, "A survey of privacy preserving data publishing using generalization and suppression," Applied Mathematics & Information Sciences, Vol. 8, No. 3, pp. 1103, 2014. 

  6. Gkoulalas-Divanis A, Loukides G, Sun J, "Publishing data from electronic health records while preserving privacy: a survey of algorithms," Journal of biomedical informatics, Vol. 50, pp. 4-19, 2014. 

  7. LeFevre K, DeWitt DJ, Ramakrishnan R, "Incognito: Efficient full-domain k-anonymity," Proc. of the 2005 ACM SIGMOD international conference on Management of data, pp. 49-60, 2005. 

  8. LeFevre K, DeWitt DJ, Ramakrishnan R, "Mondrian multidimensional k-anonymity," 22nd International Conference on Data Engineering (ICDE'06), pp. 25-25, 2006. 

  9. Xiao X, Tao Y, "Anatomy: Simple and effective privacy preservation," Proc. of the 32nd international conference on Very large data bases, pp. 139-150, 2006. 

  10. Li T, Li N, Zhang J, Molloy I, "Slicing: A new approach for privacy preserving data publishing," Knowledge and Data Engineering, IEEE Transactions on, Vol. 24, No. 3, pp. 561-74, 2012. 

  11. Terrovitis M, Mamoulis N, Liagouris J, Skiadopoulos S, "Privacy preservation by disassociation," Proc. of the VLDB Endowment, Vol. 5, No. 10, pp. 944-955, 2012. 

  12. Dwork C, "Differential privacy: A survey of results," International Conference on Theory and Applications of Models of Computation, pp. 1-19, 2008. 

  13. McSherry F, Talwar K, "Mechanism design via differential privacy," Foundations of Computer Science, 2007 FOCS'07 48th Annual IEEE Symposium on, pp. 94-103, 2007. 

  14. Wang K, Fung B, "Anonymizing sequential releases," Proc. of the 12th ACM SIGKDD international conference on Knowledge discovery and data mining, pp. 414-423, 2006. 

  15. Nergiz ME, Clifton C, Nergiz AE, "Multirelational k-anonymity," Knowledge and Data Engineering, IEEE Transactions on, Vol. 21, No. 8, pp. 1104-1117, 2009. 

  16. Machanavajjhala A, Kifer D, Gehrke J, Venkitasub-ramaniam M, "l-diversity: Privacy beyond kanonymity," ACM Transactions on Knowledge Discovery from Data (TKDD), Vol. 1, No. 1, pp. 3, 2007. 

  17. Wong RC-W, Li J, Fu AW-C, Wang K, "( ${\alpha}$ , k)-anonymity: an enhanced k-anonymity model for privacy preserving data publishing," Proc. of the 12th ACM SIGKDD international conference on Knowledge discovery and data mining, pp. 754-759, 2006. 

  18. Zhang Q, Koudas N, Srivastava D, Yu T, "Aggregate query answering on anonymized tables," Data Engineering, 2007 ICDE 2007 IEEE 23rd International Conference on, pp. 116-125, 2007. 

  19. Li J, Tao Y, Xiao X, "Preservation of proximity privacy in publishing numerical sensitive data," Proc. of the 2008 ACM SIGMOD international conference on Management of data, pp. 473-486, 2008. 

  20. Li N, Li T, Venkatasubramanian S, "t-closeness: Privacy beyond k-anonymity and l-diversity," Data Engineering, 2007 ICDE 2007 IEEE 23rd International Conference on, pp. 106-115, 2007. 

  21. Rubner Y, Tomasi C, Guibas LJ, "The earth mover's distance as a metric for image retrieval," International journal of computer vision, Vol. 40, No. 2, pp. 99-121, 2000. 

  22. Li N, Li T, Venkatasubramanian S, "Closeness: A new privacy measure for data publishing," IEEE Transactions on Knowledge and Data Engineering, Vol. 22, No. 7, pp. 943-956, 2010. 

  23. Cao J, Karras P, Kalnis P, Tan K-L, "SABRE: a Sensitive Attribute Bucketization and REdistribution framework for t-closeness," The VLDB Journal, Vol. 20, No. 1, pp. 59-81, 2011. 

  24. Nergiz ME, Atzori M, Clifton C, "Hiding the presence of individuals from shared databases," Proc. of the 2007 ACM SIGMOD international conference on Management of data, pp. 665-676, 2007. 

  25. Chawla S, Dwork C, McSherry F, Smith A, Wee H. "Toward privacy in public databases," Theory of Cryptography, pp. 363-385, 2005. 

  26. Rastogi V, Suciu D, Hong S, "The boundary between privacy and utility in data publishing," Proc. of the 33rd international conference on Very large data bases, pp. 531-542, 2007. 

  27. Li T, Li N, Zhang J, "Modeling and integrating background knowledge in data anonymization," Data Engineering, 2009 ICDE'09 IEEE 25th International Conference on, pp. 6-17, 2009. 

  28. Friedman J, Hastie T, Tibshirani R, "The elements of statistical learning," Springer series in statistics Springer, 2001. 

  29. Lin J, "Divergence measures based on the Shannon entropy," IEEE Transactions on Information theory, Vol. 37, No. 1, pp. 145-151, 1991. 

  30. Cao J, Karras P, "Publishing microdata with a robust privacy guarantee," Proc. of the VLDB Endowment, Vol. 5, No. 11, pp. 1388-1399, 2012. 

  31. Kohlmayer F, Prasser F, Eckert C, Kemper A, Kuhn KA, "Flash: efficient, stable and optimal k-anonymity," Privacy, Security, Risk and Trust (PASSAT), 2012 International Conference on and 2012 International Confernece on Social Computing (SocialCom), pp. 708-717, 2012. 

  32. [Online]. Available: http://www.cs.utdallas.edu/dspl/cgi-bin/toolbox/index.php 

  33. [Online]. Available: http://arx.deidentifier.org/anonymization-tool/ 

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로