DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/11054

Ítem no disponible en accés obert per política de l'editorial

Arxiu Descripció MidaFormat
Improving microaggregation for complex record anonymization.pdf393,63 kBAdobe PDF Accés restringit

Citació: Pont, J. [et al.]. Improving microaggregation for complex record anonymization. A: International Conference on Modeling Decisions for Artificial Intelligence. "The 5th International Conference on Modeling Decisions for Artificial Intelligence". Sabadell: Springer Verlag, 2008, p. 215-226.
Títol: Improving microaggregation for complex record anonymization
Autor: Pont Tuset, Jordi Veure Producció científica UPC; Nin Guerrero, Jordi Veure Producció científica UPC; Medrano Gracia, Pau; Larriba Pey, Josep Veure Producció científica UPC; Muntés Mulero, Víctor Veure Producció científica UPC
Editorial: Springer Verlag
Data: 2008
Tipus de document: Conference report
Resum: Microaggregation is one of the most commonly employed microdata protection methods. This method builds clusters of at least k original records and replaces the records in each cluster with the centroid of the cluster. Usually, when records are complex, i.e., the number of attributes of the data set is large, this data set is split into smaller blocks of attributes and microaggregation is applied to each block, successively and independently. In this way, the information loss when collapsing several values to the centroid of their group is reduced, at the cost of losing the k-anonymity property when at least two attributes of different blocks are known by the intruder. In this work, we present a new microaggregation method called One dimension microaggregation (Mic1D − κ). This method gathers all the values of the data set into a single sorted vector, independently of the attribute they belong to. Then, it microaggregates all the mixed values together. Our experiments show that, using real data, our proposal obtains lower disclosure risk than previous approaches whereas the information loss is preserved.
URI: http://hdl.handle.net/2117/11054
DOI: 10.1007/978-3-540-88269-5_20
Versió de l'editor: http://www.springerlink.com/content/2452417023322q28/
Apareix a les col·leccions:Altres. Enviament des de DRAC
DMAG - Grup d'Aplicacions Multimèdia Distribuïdes. Ponències/Comunicacions de congressos
DAMA-UPC - Data Management Group de la Universitat Politècnica de Catalunya . Ponències/Comunicacions de congressos
Departament d'Arquitectura de Computadors. Ponències/Comunicacions de congressos
Departament de Teoria del Senyal i Comunicacions. Ponències/Comunicacions de congressos
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius