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
ویرایش: نویسندگان: Youyang Qu, Mohammad Reza Nosouhi, Lei Cui, Shui Yu سری: ISBN (شابک) : 9789811637506, 9789811637490 ناشر: Springer Singapore سال نشر: 2021 تعداد صفحات: زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 15 Mb
در صورت تبدیل فایل کتاب Personalized Privacy Protection in Big Data 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 حفاظت از حریم خصوصی شخصی در داده های بزرگ 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.
این کتاب حفاظت از حریم خصوصی داده ها را ارائه می دهد که به طور گسترده در عصر فعلی ما از داده های بزرگ استفاده شده است. با این حال، تحقیق در مورد حریم خصوصی داده های بزرگ هنوز در مراحل اولیه است. با توجه به این واقعیت که روشهای حفاظتی موجود میتوانند منجر به کاربرد کم دادهها و مبادلات نامتعادل شوند، حفاظت از حریم خصوصی شخصیسازی شده به یک موضوع تحقیقاتی در حال گسترش تبدیل شده است. در این کتاب، نویسندگان تهدیدهای نوظهور و روشهای حفاظت از حریم خصوصی موجود را بررسی میکنند و به تفصیل درباره هر دو بحث میکنند. مزایا و معایب حفاظت از حریم خصوصی شخصی. روشهای سنتی، مانند حریم خصوصی متمایز و رمزنگاری، با استفاده از یک رویکرد مقایسهای و متقاطع مورد بحث قرار میگیرند و با روشهای نوظهور مانند یادگیری فدرال و شبکههای متخاصم مولد مقایسه میشوند. پیشرفت های مورد بحث کاربردهای مختلفی را پوشش می دهد، به عنوان مثال. سیستم های فیزیکی سایبری، شبکه های اجتماعی و خدمات مبتنی بر مکان. با توجه به گستره آن، این کتاب مورد توجه دانشمندان، سیاست گذاران، محققان و دانشجویان تحصیلات تکمیلی است.
This book presents the data privacy protection which has been extensively applied in our current era of big data. However, research into big data privacy is still in its infancy. Given the fact that existing protection methods can result in low data utility and unbalanced trade-offs, personalized privacy protection has become a rapidly expanding research topic.In this book, the authors explore emerging threats and existing privacy protection methods, and discuss in detail both the advantages and disadvantages of personalized privacy protection. Traditional methods, such as differential privacy and cryptography, are discussed using a comparative and intersectional approach, and are contrasted with emerging methods like federated learning and generative adversarial nets. The advances discussed cover various applications, e.g. cyber-physical systems, social networks, and location-based services. Given its scope, the book is of interest to scientists, policy-makers, researchers, and postgraduates alike.