Datenschutzbewahrendes Data Mining durch Inverse Frequent ItemSet Mining

In diesem Buch wird ein aufkommendes Forschungsthema im Bereich Data Mining, bekannt als Privacy-Preserving Data Mining (PPDM), behandelt. Es ist eine Anwendung der Data-Mining-Forschung als Reaktion auf die Datenschutzsicherheit beim Data-Mining. Dies wird als datenschutzerweitertes oder datenschutzempfindliches Data Mining bezeichnet. Die Wahrung der Privatsphäre beim Data Mining hat sich als absolute Voraussetzung für den Austausch vertraulicher Informationen in Bezug auf Datenanalyse, Validierung und Veröffentlichung herauskristallisiert. Dieses Buch bietet einen umfassenden Überblick über neue Perspektiven und systematische Interpretation einer Liste veröffentlichter Literatur durch ihre sorgfältige Organisation in Unterkategorien. Die PPDM-Techniken können anhand von 3 Merkmalen klassifiziert werden: Datenverteilung, Zwecke des Verbergens, Data-Mining-Algorithmen.Data Mining ist ein sehr wichtiges Werkzeug, das von Organisationen verwendet wird, um besseren Service zu bieten, mehr Gewinn zu erzielen und bessere Entscheidungen zu treffen. Aber Datenschutz- und Sicherheitsbedenken können ein Hindernis bei der Data-Mining-Aufgabe darstellen. Diese Barrieren können durch die Anwendung von PPDM-Techniken und durch die Gewährleistung der Sicherheit bei der Data-Mining-Aufgabe beseitigt werden. Viele Techniken wurden für PPDM vorgeschlagen, wobei jede Technik in ihrer eigenen Hinsicht einige Vorteile gegenüber einer anderen hat.

Autorentext

Assistenzprofessor an der Sanjay Bhokare Group of Institute von ATS, Miraj.Maximieren Sie die Leistung durch die Umsetzung geeigneter Standards durch die Analyse von Details, um das Verständnis für neue Best Practices und Rechtsvorschriften zu gewinnen.