http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
성민경(Min Kyoung Sung),정연돈(Yon Dohn Chung) 한국정보과학회 2014 정보과학회논문지 : 데이타베이스 Vol.41 No.1
최근 데이터 프라이버시 보호를 위한 익명화 기법에 대한 연구가 활발히 진행되고 있다. 그러나 대부분의 연구가 정적인 테이블 데이터의 익명화 기법에 초점을 맞추고 있다. 데이터를 이용하는 분야가 늘어남에 따라 다양한 환경에 적합한 프라이버시 보호 기법이 필요하다. 이 논문에서는 데이터 스트림환경에서 프라이버시 보호를 위한 효과적인 익명화 기법을 제안한다. 기존 데이터 스트림에서 프라이버시 연구가 k-익명화 모델에 제한되어 있으므로 더 강력한 프라이버시 보호를 보장하는 ℓ-다양성 모델을 위한 새로운 익명화 기법을 소개한다. 제안하는 기법은 데이터의 분포와 자주 등장하는 민감한 정보의 빈도를 이용하여 정보손실을 최소화 한다. 또한 실제 데이터를 이용한 다양한 실험을 통해 제안 기법의 효율성 및 성능을 평가한다. Recently, anonymization methods to protect data privacy have received a lot of attention. Most of them, however, focus on the anonymization methods for static tabular data. With the increasing use of the data, the privacy protection methods suitable for a variety of environments are required. In this paper, we propose an efficient anonymization method to protect the privacy in data streams. Since the previous work which considered the privacy protection in data streams is limited to the k-anonymity model, we develop the anonymization method for the ℓ-diversity model which guarantees stronger privacy protection. The proposed method considered the distribution of data streams and the frequency of sensitive information to minimize the information loss. Also, we performed various experiments to evaluate the efficiency and performance of the proposed method by using real data.
Diffprivlib를 이용한 차분프라이버시 적용 학습모델의 분류성능 측정
성민경(Sung Min Kyoung),이진규(Lee Jin Kyu),정성룡(Jeong Seong Ryong),김윤중(Kim Yun Joong),김동례(Kim Dong Rye) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
데이터는 중요성은 나날이 커지고 있으며, 이용 범위 및 분야도 점차 다양해지고 있다. 그러나 데이터에 포함된 개인정보로 인해 유통 및 활용에 큰 제약을 받고 있다. 개인정보 처리 문제를 해결하기 위한 기법 중 하나로 차분프라이버시 기술이 있으며, De-facto 표준으로 널리 사용되고 있다. 본 논문에서는 차분프라이버시가 적용된 학습모델의 분류성능을 실험을 통해 측정하여 차분프라이버시 기술의 유용성을 분석한다.
성민경(Min Kyoung Sung),김수형(Soohyung Kim),정연돈(Yon Dohn Chung) 한국정보과학회 2012 정보과학회논문지 : 데이타베이스 Vol.39 No.6
사용자의 프로필 정보, 사용자간 관계 등을 포함한 소셜 네트워크 데이터는 정부, 연구기관 등 제 3자에 배포되어 마케팅, 의학연구, 인간관계 분석 등 다양한 분야에 이용된다. 그러나 사용자의 민감한 정보가 데이터에 포함되어 있을 수 있으므로 배포 전 반드시 데이터 익명화 작업이 필요하다. 최근 소셜 네트워크 데이터 익명화에 관한 연구가 활발히 진행되고 있으나 연구가 방향성이 있는 그래프로 모델화된 소셜 네트워크 데이터를 다룬 논문은 없다. 본 논문에서는 방향성이 있는 그래프로 모델화된 소셜 네트워크 익명화 모델과 두 가지 알고리즘을 제안한다. 알려진 바로는 본 논문이 방향성이 있는 그래프로 모델화된 소셜 네트워크 익명화 기법을 다룬 첫 번째 논문이다. 제안된 두 가지 알고리즘은 간선 추가 기법을 사용하여 소셜 네트워크 데이터를 익명화 하며, 실제 소셜 네트워크 데이터를 사용한 실험을 통해 성능을 평가하였다. Social network data including the users’ profile and the relationships between users is published to the government, research institute and other third parties for the study of marketing, medical research and human relations. Since the social network data includes the sensitive information of the users, however, the data should be anonymized before it is published. Though much work has been studied recently to anonymize the social network data, none of these studies considered the social network data modeled as a directed graph. In this paper, we propose an anonymization model and two algorithms for the social network data modeled as a directed graph. To the best of our knowledge, this is the first study of considering an anonymization method for the social network modeled as a directed graph. The proposed algorithms anonymize the social network data using the edge addition strategy, and the performances are evaluated using a real social network dataset.