دانلود مقاله انگلیسی رایگان:یک گروه رمزنگاری برای تجزیه و تحلیل داده های شخص ثالث امن: خوشه بندی داده های مشارکتی بدون مشارکت صاحب داده - 2019
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران عزیز، به اطلاع می رساند ترجمه مقالاتی که سال انتشار آن ها زیر 2008 می باشد رایگان بوده و میتوانید با وارد شدن در صفحه جزییات مقاله به رایگان ترجمه را دانلود نمایید.

دانلود مقاله انگلیسی رمزنگاری رایگان
  • A Cryptographic Ensemble for secure third party data analysis: Collaborative data clustering without data owner participation A Cryptographic Ensemble for secure third party data analysis: Collaborative data clustering without data owner participation
    A Cryptographic Ensemble for secure third party data analysis: Collaborative data clustering without data owner participation

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    A Cryptographic Ensemble for secure third party data analysis: Collaborative data clustering without data owner participation


    ترجمه فارسی عنوان مقاله:

    یک گروه رمزنگاری برای تجزیه و تحلیل داده های شخص ثالث امن: خوشه بندی داده های مشارکتی بدون مشارکت صاحب داده


    منبع:

    Sciencedirect - Elsevier - Data & Knowledge Engineering, Corrected proof, 101734: doi:10:1016/j:datak:2019:101734


    نویسنده:

    Nawal Almutairi a,b,∗, Frans Coenen a,∗, Keith Dures a


    چکیده انگلیسی:

    This paper introduces the twin concepts Cryptographic Ensembles and Global Encrypted Distance Matrices (GEDMs), designed to provide a solution to outsourced secure collaborative data clustering. The cryptographic ensemble comprises: Homomorphic Encryption (HE) to preserve raw data privacy, while supporting data analytics; and Multi-User Order Preserving Encryption (MUOPE) to preserve the privacy of the GEDM. Clustering can therefore be conducted over encrypted datasets without requiring decryption or the involvement of data owners once encryption has taken place, all with no loss of accuracy. The GEDM concept is applicable to large scale collaborative data mining applications that feature horizontal data partitioning. In the paper DBSCAN clustering is adopted for illustrative and evaluation purposes. The results demonstrate that the proposed solution is both efficient and accurate while maintaining data privacy.
    Keywords: Data mining as a service | Privacy preserving data mining | Security | Data outsourcing


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 10
    حجم فایل: 548 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi