스트리밍 환경에서 차분 프라이버시를 적용한 빈발 항목 집합 마이닝의 예산 할당 기법 :Budget allocation of frequent itemset mining with differential privacy in streaming environment

이연희

추천

검색

자료유형: 학위논문

저자정보: 이연희 (서강대학교, 서강대학교 대학원)

지도교수: 박석

발행연도: 2019

저작권: 서강대학교 논문은 저작권에 의해 보호받습니다.

이용수1

이 논문의 연구 히스토리 (3)

2019

스트리밍 데이터 환경에서 차분 프라이버시를 적용한 빈발 항목 집합의 갱신 지연 기법

이연희 , 박석 정보과학회 컴퓨팅의 실제 논문지 2019.02 학술저널

스트리밍 환경에서 차분 프라이버시를 적용한 빈발 항목 집합 마이닝의 예산 할당 기법

이연희 컴퓨터공학과 2019.01 학위논문

2018

스트리밍 데이터 환경에서 차분 프라이버시를 적용한 빈발 항목 집합의 갱신 지연 기법

이연희 , 박석 한국정보과학회 학술발표논문집 2018.06 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

무선 인터넷과 스마트폰의 발전으로 인해 실시간으로 수많은 스트리밍 데이터가 생성되고 있다. 이에 따라 사용자의 정보를 수집하여 분석하는 데이터 마이닝은 여러 분야에서 사용되고 있다. 예를 들어 사용자의 민감한 정보인 검색 이력, 사이트 방문 이력, 주식 구입 기록, 건강 정보 등을 수집한다. 수집한 데이터를 분류하고, 연관성을 이용하여 규칙이나 패턴을 찾는 빈발 항목 집합에 대한 연구가 많이 되고 있다. 빈발 항목 집합을 이용하여 마케팅 또는 데이터 분석에서 활용할 수 있다.
스트리밍 데이터 환경에서는 기존의 정보들뿐만 아니라 시간에 대한 정보가 노출 될 수 있다. 그리고 각 시간 단위마다 정보를 배포해야 하기 때문에 제한된 시간 내에 결과를 내야 한다. 그러므로 기존의 빈발 항목 집합을 구하는 알고리즘과는 다르게 스트리밍 환경에 맞게 윈도우마다 빈발 항목 집합을 구하는 알고리즘을 제안하는 연구들도 있다.
배포되는 빈발 항목 집합들은 여러 사용자들로부터 얻어진 데이터이기 때문에 프라이버시 문제가 없어 보이지만 강력한 사전지식을 가진 공격자는 빈발 항목 집합으로부터 사용자의 정보를 추론할 수 있다. 개인의 민감한 정보를 보호하기 위해서 차분 프라이버시 기법이 필요하다. 따라서 본 논문에서는 실험을 통해 배포되는 빈발 항목 집합의 정확도와 수행 시간이 기본적인 기법보다 개선되는 것을 보이고, 차분 프라이버시 기법을 적용하여 사용자 개인의 프라이버시를 보호하면서 스트리밍 환경에서 효율적으로 빈발 항목 집합을 찾는 기법을 제안하고자 한다.

1. 서 론 1
1.1. 연구의 배경 및 동기 1
1.2. 논문의 초점 2
1.3. 논문의 구성 3
2. 관련 연구 4
2.1. 빈발 항목 집합 마이닝 4
2.1.1. 빈발 항목 집합 마이닝 4
2.1.2. Apriori 알고리즘 5
2.1.3. FP-Growth 알고리즘 6
2.1.4. ASPMS 알고리즘 9
2.2. 차분 프라이버시 12
2.2.1. 이웃 데이터베이스와 차분 프라이버시 12
2.2.2. 차분 프라이버시의 성질 13
2.2.3. 라플라스 분포 14
2.2.4. w-event ?-차분 프라이버시 15
2.3. 기존 연구들의 한계점 17
3. FP-Tree의 압축 및 빈발 항목 집합 갱신 지연 기법 19
3.1. 문제 정의 19
3.1.1. 빈발 항목 집합의 프라이버시 문제 19
3.1.2. 스트리밍 환경에서의 빈발 항목 집합 마이닝 20
3.1.3. 기호 및 용어 정의 21
3.1.4. 제안 기법의 개요 22
3.2. FP-Tree 압축 기법 24
3.2.1. Naive 기법 (Basis) 24
3.2.2. FP-Tree 압축 알고리즘 (Compression) 25
3.3. 빈발 항목 집합의 갱신 지연 기법 30
3.3.1. 갱신 지연 알고리즘 (Lazy Update) 30
3.3.2. 프라이버시 예산 흡수 기법 (Budget Absorption) 31
3.3.3. 프라이버시 예산의 분배 34
4. 실험 및 분석 35
4.1. 실험 구성 35
4.1.1. 실험 환경 35
4.1.2. 실험 데이터 35
4.1.3. 평가 방법 36
4.2. 비교 실험 39
4.2.1. 프라이버시 예산 ?에 따른 정확도 평가 39
4.2.2. c에 따른 정확도 평가 43
4.2.3. 윈도우 크기 w에 따른 정확도 평가 45
4.2.4. 임계치 θ에 따른 정확도 평가 46
4.3. 수행 시간 평가 48
4.3.1. c에 따른 수행 시간 평가 48
4.3.2. σ에 따른 수행 시간 평가 49
5. 결론 및 추후 연구 52

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)