دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: کامپیوتر ویرایش: 1 نویسندگان: Josep Domingo-Ferrer (auth.), Josep Domingo-Ferrer (eds.) سری: Lecture Notes in Computer Science 2316 ISBN (شابک) : 3540436146, 9783540436140 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2002 تعداد صفحات: 238 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب کنترل استنتاج در پایگاههای داده آماری: از تئوری تا تمرین: احتمال و آمار در علوم کامپیوتر، مدیریت پایگاه داده، کامپیوتر و جامعه، هوش مصنوعی (شامل رباتیک)، برنامه های آمار و محاسبات/آمار، آمار برای علوم اجتماعی، علوم رفتاری، آموزش
در صورت تبدیل فایل کتاب Inference Control in Statistical Databases: From Theory to Practice به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کنترل استنتاج در پایگاههای داده آماری: از تئوری تا تمرین نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
کنترل استنتاج در پایگاههای داده آماری، که به عنوان محدودیت
افشای آماری یا محرمانه بودن آماری نیز شناخته میشود، در مورد
یافتن معاوضه با تنش بین افزایش نیاز اجتماعی به دادههای آماری
دقیق و الزام قانونی و اخلاقی برای محافظت از حریم خصوصی افراد
و شرکتها است. منبع داده برای تولید آمار تکنیکهایی که توسط
متجاوزان برای ایجاد استنتاجهایی که حریم خصوصی را به خطر
میاندازند، بهطور فزایندهای از دادهکاوی، پیوند رکورد، کشف
دانش، و تجزیه و تحلیل دادهها استفاده میکنند و بنابراین
کنترل استنتاج آماری به بخشی جدایی ناپذیر از علوم رایانه تبدیل
میشود.
این نظرسنجی منسجم و پیشرفته. برخی از جدیدترین کارها در این
زمینه را ارائه می دهد. مقالات ارائه شده همراه با مقدمه در بخش
های موضوعی در مورد حفاظت از داده های جدولی، حفاظت از داده های
کوچک، و نرم افزار و مطالعات موردی کاربر سازماندهی شده اند.
Inference control in statistical databases, also known as
statistical disclosure limitation or statistical
confidentiality, is about finding tradeoffs to the tension
between the increasing societal need for accurate statistical
data and the legal and ethical obligation to protect privacy
of individuals and enterprises which are the source of data
for producing statistics. Techniques used by intruders to
make inferences compromising privacy increasingly draw on
data mining, record linkage, knowledge discovery, and data
analysis and thus statistical inference control becomes an
integral part of computer science.
This coherent state-of-the-art survey presents some of the
most recent work in the field. The papers presented together
with an introduction are organized in topical sections on
tabular data protection, microdata protection, and software
and user case studies.
Advances in Inference Control in Statistical Databases: An Overview....Pages 1-7
Cell Suppression: Experience and Theory....Pages 8-20
Bounds on Entries in 3-Dimensional Contingency Tables Subject to Given Marginal Totals....Pages 21-33
Extending Cell Suppression to Protect Tabular Data against Several Attackers....Pages 34-58
Network Flows Heuristics for Complementary Cell Suppression: An Empirical Evaluation and Extensions....Pages 59-73
HiTaS: A Heuristic Approach to Cell Suppression in Hierarchical Tables....Pages 74-82
Model Based Disclosure Protection....Pages 83-96
Microdata Protection through Noise Addition....Pages 97-116
Sensitive Micro Data Protection Using Latin Hypercube Sampling Technique....Pages 117-125
Integrating File and Record Level Disclosure Risk Assessment....Pages 126-134
Disclosure Risk Assessment in Perturbative Microdata Protection....Pages 135-152
LHS-Based Hybrid Microdata vs Rank Swapping and Microaggregation for Numeric Microdata Protection....Pages 153-162
Post-Masking Optimization of the Tradeoff between Information Loss and Disclosure Risk in Masked Microdata Sets....Pages 163-171
The CASC Project....Pages 172-180
Tools and Strategies to Protect Multiple Tables with the GHQUAR Cell Suppression Engine....Pages 181-192
SDC in the 2000 U.S. Decennial Census....Pages 193-202
Applications of Statistical Disclosure Control at Statistics Netherlands....Pages 203-212
Empirical Evidences on Protecting Population Uniqueness at Idescat....Pages 213-229