[x] ปิดหน้าต่างนี้
ยินดีต้อนรับคุณ บุคคลทั่วไป   
เมนูหลัก
ระบบสมาชิก
Username :
Password :
[ สมัครสมาชิก ] | [ ลืมรหัสผ่าน ]
สมาชิกทั้งหมด 13 คน
สมาชิกที่กำลังออนไลน์ 0 คน
link banner

[ ดูหนังออนไลน์ ]
  เขียนเมื่อ : จันทร์ 13 ส.ค. 2561     โดย : ดูหนังออนไลน์    ไอพี : 178.128.xxx.xxx

    

ชุดข้อมูลที่ประกอบด้วยข้อมูลขนาดเล็กนั่นคือข้อมูล
เกี่ยวกับบุคคลที่เฉพาะเจาะจงมากขึ้นเรื่อย ๆ
สาธารณะในการตอบสนองต่อกฎหมาย "รัฐบาลเปิด" และ
สนับสนุนงานวิจัยข้อมูลเหมืองแร่ ชุดข้อมูลบางชุดรวมถึง
ข้อมูลที่ได้รับการคุ้มครองตามกฎหมายเช่นประวัติสุขภาพ;
อื่น ๆ มีการตั้งค่าส่วนบุคคลและการทำธุรกรรม,
ซึ่งหลาย ๆ คนอาจมองว่าเป็นส่วนตัวหรือมีความละเอียดอ่อน
ความเป็นส่วนตัวในการเผยแพร่ข้อมูลขนาดเล็กเป็นที่รู้จักกันดี
แม้ว่าตัวระบุเช่นชื่อและ Social
หมายเลขการรักษาความปลอดภัยถูกนำออกแล้วฝ่ายตรงข้ามสามารถทำได้
ใช้ความรู้พื้นฐานและความสัมพันธ์ข้ามกับ
ฐานข้อมูลอื่น ๆ เพื่อระบุเร็กคอร์ดข้อมูลแต่ละรายการใหม่
การโจมตีที่มีชื่อเสียง ได้แก่ การยกเลิกการระบุตัวตนของแมสซาชูเซตส์
ฐานข้อมูลการจำหน่ายโรงพยาบาลด้วยการเข้าร่วมด้วย
ฐานข้อมูลผู้มีสิทธิเลือกตั้ง [25] และการละเมิดข้อมูลส่วนบุคคลที่เกิดขึ้น
โดย (ระบุอย่างไม่ระบุชื่อ) ข้อมูลการค้นหา AOL [16]
ข้อมูลขนาดเล็กมีความโดดเด่นด้วยมิติข้อมูลสูง
และกระจัดกระจาย แต่ละระเบียนมีหลายแอตทริบิวต์ (เช่น.
คอลัมน์ในสคีมาฐานข้อมูล) ซึ่งสามารถดูเป็น
มิติ Sparsity หมายความว่าสำหรับระเบียนเฉลี่ย,
ไม่มี "บันทึก" ที่เหมือนกันในหลายมิติ
พื้นที่ที่กำหนดโดยแอตทริบิวต์ เรื่องนี้เป็นเรื่องสัณฐาน
ดี [7, 4, 19] และเกี่ยวข้องกับ "ไขมัน"
หาง "ปรากฏการณ์: การทำธุรกรรมของแต่ละบุคคลและการตั้งค่า
ระเบียนมีแนวโน้มที่จะมีคุณลักษณะที่หายากทางสถิติ
ผลงานของเรา การบริจาคครั้งแรกของเราเป็นทางการ
โมเดลการละเมิดข้อมูลส่วนบุคคลในข้อมูลขนาดเล็กที่ไม่ระบุตัวตน
(ส่วนที่ 3) เรานำเสนอคำนิยามสองคำซึ่งขึ้นอยู่กับ
ความน่าจะเป็นของการยกเลิกการระบุตัวตนที่ประสบความสำเร็จ
จำนวนข้อมูลที่กู้คืนเกี่ยวกับเป้าหมาย
ไม่เหมือนงานก่อนหน้า [25] เราไม่ถือว่าเป็น priori
ความรู้ของศัตรูจะถูก จำกัด ไว้
ชุดตัวระบุ "ident-identifier" รูปแบบของเราจึงครอบคลุม
ชั้นที่กว้างขึ้นของการยกเลิกการระบุชื่อ
โจมตีกว่าความสัมพันธ์ระหว่างฐานข้อมูลแบบง่ายๆ
ความช่วยเหลือครั้งที่สองของเราถือเป็นเรื่องทั่วไปของ
อัลกอริทึม de-anonymization แสดงให้เห็นถึงพื้นฐาน
ขอบเขตความเป็นส่วนตัวในข้อมูลสาธารณะของประชาชน (ส่วนที่ 4)
ภายใต้สมมติฐานที่อ่อนมากเกี่ยวกับการกระจายจาก
ซึ่งจะมีการบันทึกบันทึกไว้ฝ่ายตรงข้ามที่มีขนาดเล็ก
จำนวนความรู้พื้นฐานเกี่ยวกับบุคคล
สามารถใช้เพื่อระบุด้วยความเป็นไปได้สูงของบุคคลนี้
บันทึกในชุดข้อมูลที่ไม่ระบุชื่อและเพื่อเรียนรู้ทั้งหมด
เปิดเผยข้อมูลเกี่ยวกับตัวเขาโดยไม่ระบุชื่อรวมถึง
คุณลักษณะที่สำคัญ สำหรับชุดข้อมูลที่เบาบางเช่น
ชุดข้อมูลในโลกแห่งความเป็นจริงที่สุดของธุรกรรมส่วนบุคคล,
และคำแนะนำพื้นหลังน้อยมาก
ความรู้เป็นสิ่งจำเป็น (มีคุณสมบัติ 5-10 ประการในของเรา)
กรณีศึกษา). อัลกอริทึม de-anonymization ของเรามีประสิทธิภาพ
ความไม่แน่นอนของความรู้พื้นฐานของฝ่ายตรงข้าม
และการรบกวนที่อาจถูกนำไปใช้
ข้อมูลก่อนปล่อย ทำงานได้แม้ว่าจะเปิดอยู่ก็ตาม

ขอบคุณ:siamflix


  Homepage : http://www.siamflix.club/movies/       Email : --ไม่ได้ระบุอีเมล์--


[ noi ]
  เขียนเมื่อ : เสาร์ 8 ม.ค. 2554     โดย : noi    ไอพี : 223.206.xxx.xxx

     เวปสวยมากครับผม ท่านพัฒนาจาก atomymaxsite2.0 ได้ดีมากครับผม http://maxtom.sytes.net

  Homepage : http://       Email : --ไม่ได้ระบุอีเมล์--


กำลังแสดงหน้าที่ 1/1
<< 1 >>

*ข้อความ :
URL :
Email :
รหัสลับ : ใส่รหัสที่ท่านเห็นลงในช่องนี้
*ลงชื่อ :