선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 익명화 처리 과정에서 일반화와 데이터를 삽입함으로써 데이터의 안정성을 확보하였으며 본 논문이 기고하는 바는 다음과 같다.
- 이와같이 특정 상황에서는 일반화 처리를 하기보단 적절한 데이터를 삽입하여 익명화 처리해주어야 데이터의 가치를 높일 수 있다. 본 논문에서는 익명화 처리를 위해 준 식별자를 일반화하는 것과 데이터를 삽입하는 방법을 적용하여 데이터의 가치를 더 높이는 방법을 제안한다.
- 본 논문은 관계형 데이터베이스에서 익명화 처리를 하는 과정에서 준식별자의 가치를 보존하기 위해 일반화와 데이터를 삽입하는 방법을 제안하였다. 본 연구를 이어서 관계형 데이터베이스의 익명화 처리 과정에서 일반화와 데이터를 삽입하는 부분을 구체화할 것이며 이에 대한 데이터 보존도, 손실도, 성능 평가 등을 분석하여 효과적인 익명화 처리에 대한 연구할 예정이다.
- 재식별을 막기 위해서 관계형 데이터베이스에서는 대표적으로 k-익명성 [3], , -다양성 [4], t-밀집성[5]과 같은 익명화 알고리즘이 제안되었으며 이러한 익명화 알고리즘을 만족하기 위해서는 준식별자(quasi-identifier)를 일반화(generalization) 하는 것이 일반적이다[6]. 하지만 준식별자를 일반화하는 과정에서 준식별자의 가치가 손실되어 데이터 활용도가 크게 떨어질 수 있는데 본 논문에서 준 식별자의 정보 손실을 최소화하기 위해 k-익명성 모델을 만족시키는 과정에서 일반화 처리를 하되 특정 상황에서는 확률을 기반으로 데이터를 삽입하여 익명화 알고리즘을 처리하는 방법을 제안한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.