ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Autres revues >>

Ingénierie des Systèmes d'Information

Networking and Information Systems
1633-1311
Revue des sciences et technologies de l'information
Nouvel éditeur en 2019
 

 ARTICLE VOL 23/6 - 2018  - pp.189-200  - doi:10.3166/isi.23.6.189-200
TITRE
Algorithme basé sur un Réseau Neuronal Profond pour la Diffusion sécurisée de Big Data en cas de perturbation du bruit aléatoire

TITLE
A deep neural network-based algorithm for safe release of big data under random noise disturbance

RÉSUMÉ
Malgré ses énormes avantages, la libération de Big Data est confrontée à un risque élevé de la divulgation de confidentialité. Pour résoudre ce problème, cet article propose un algorithme basé sur un réseau neuronal profond (DNN) pour la diffusion sécurisée de Big Data en cas de perturbation du bruit aléatoire. Plus précisément, un bruit aléatoire d’une certaine distribution de probabilité a été ajouté à la diffusion des données massives, de sorte que la sortie publique ne change pas de manière significative avec la présence d’un enregistrement de données individuel dans le jeu de données et que les données publiées seront fondamentalement identiques à l'ensemble de données d’origine. L'algorithme a ensuite été optimisé à la lumière des attributs des ensembles de données corrélés dans le Big Data. Enfin, l'algorithme proposé s'est avéré meilleur que l'algorithme traditionnel dans les recherches à grande échelle des ensembles de données corrélés, et il est capable de garantir la confidentialité avec un budget de confidentialité inférieur.


ABSTRACT
Despite its huge benefits, the release of big data is faced with the severe risk of privacyleakage. To solve the problem, this paper proposes a deep neural network(DNN)-based algorithm for safe release of big data under random noise disturbance. Specifically, a random noise of a certain probability distribution was added into the release of the big data, such that the public output will not change significantly whether an individual data record is in the dataset and that that the published data will be basically the same to the original dataset. The algorithm was then optimized in light of the attributes of the correlated datasets in big data. Finally, the proposed algorithm was proved better than the traditional algorithm in large-scale searches of correlated datasets, and capable of ensuring privacy at a lower privacy budget.


AUTEUR(S)
J. YU, Hui WANG

MOTS-CLÉS
réseau neuronal profond (DNN), big data, préservation de la confidentialité, confidentialité différentielle.

KEYWORDS
deep neural network (DNN), big data, privacy preserving, differential privacy.

LANGUE DE L'ARTICLE
Anglais

 PRIX
• Abonné (hors accès direct) : 12.5 €
• Non abonné : 25.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (236 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier