برون سپاری داده

پژوهش های اخیر نشان می دهد که داده یکی از ارزشمندترین سرمایه های سازمان ها و کسب کارها است. پردازش و تحلیل داده ها به شرکت ها وسازمان ها کمک می کند تا بینش لازم را کسب کرده و از آن در راستای تصمیم گیری استراتژیک بهره گیرند. انتشار و فراهم کردن دسترسی باز به اطلاعات به یک فرایند متداول و نیاز حیاتی سازمان های دولتی و خصوصی مبدل شده است. داده های جمع آوری شده در سازمان ها حاوی اطلاعات خصوصی افراد است که انتشار آنها می تواند منجر به افشای اطلاعات حساس و نقض حریم خصوصی شود. اطلاعات حساس همچنین اسرار دولتی و اسرار تجاری را نیز شامل می شود. چالش اصلی حوزه حفظ حریم خصوصی در انتشار داده، انتشار یک شکل تغییریافته از داده های جمع آوری شده است که بتواند حریم خصوصی مالکان داده را حفظ نماید و قابلیت پاسخ به پرس وجوها و تحلیل های داده کاوی را با دقت مناسب داشته باشد. در سناریوی انتشار داده حفاظت از حریم خصوصی مالکان در حضور دانش پیش زمینه مهاجم مهم است. چارچوب گمنامی به عنوان یکی از راهبردهای حفظ حریم خصوصی، سودمندی داده راکاهش می دهد. در این پژوهش برآنیم یک چارچوب گمنامی برای ممانعت از حمله دانش پیش زمینه، افشای هویت و ویژگی مالکان طراحی کنیم که سودمندی داده های گمنام را بیشینه کند. برای این منظور بعد از مدل سازی دانش پیش زمینه مهاجم، مدل حریم خصوصی تعیین و در ادامه الگوریتم گمنامی ارائه می شود. تمرکز این پژوهش بر مدل های حریم خصوصی نحوی مانند k - گمنامی و توسعه های آن است. الگوریتم پیشنهادی رکوردها را به چندین گروه افراز می کند به نحوی که در هرگروه مدل حریم خصوصی برآورده می شود. نتایج به کارگیری چارچوپ پیشنهادی بر روی دو مجموعه داده ارزیابی و تحلیل می شود. برای ارزیابی کارایی چارچوب پیشنهادی از معیارهای سودمندی و حریم خصوصی استفاده می شود. نتایج آزمایشات نشان می دهد چارچوب پیشنهادی از نظر سودمندی بر الگوریتم های ارائه شده در جدیدترین پژوهش ها برتری دارد.