جلسه دفاع از رساله: خانم فاطمه دلدار، گروه مهندسی کامپیوتر
خلاصه خبر: شخصیسازی حریم خصوصی تفاضلی برای پرسوجوهای آماری از مجموعه دادههای مکانی
چکیده: گسترش استفاده از پایگاههاي داده مسیر حرکت در بسیاري از کاربردهاي دنیاي واقعی مانند خدمات مبتنی بر مکان و مدیریت ترافیک، توجه زیادي را به خود جلب کرده است. این در حالی است که این پایگاههاي داده باید بهدقت مدیریت شده و بهصورتی در دسترس تحلیلگران قرار بگیرند که حریم خصوصی اشیاء متحرك یا مکانهاي حساس ضمانت شود. در این رساله، مسأله حفظ حریم خصوصی در پایگاههاي داده مسیر حرکت با ضمانت قوي حریم خصوصی تفاضلی مورد مطالعه قرار میگیرد. در سالهاي اخیر سازوکارهاي متعددي براي حفظ حریم خصوصی تفاضلی در پایگاههاي داده مسیر حرکت پیشنهاد شدهاند اما هیچکدام از آن ها مسألهي حفظ حریم خصوصی تفاضلی بهصورت شخصیسازيشده را در نظر نگرفتهاند. علاوه بر این، همه این پژوهشها بهصورت ضمنی فرض میکنند که پایگاههاي داده مسیر حرکت تنها شامل ویژگیهاي فضایی-زمانی هستند. در این رساله رویکردي کلی براي شخصیسازي حریم خصوصی تفاضلی در پایگاههاي داده مسیر حرکت پیشنهاد میشود. بر اساس این رویکرد، دو روش با نامهاي PLDP-TD و PDP-SAG براي شخصیسازي حریم خصوصی تفاضلی در پایگاههاي داده مسیر حرکت ارائه می شود. در روش PLDP-TD فرض میشود که مکانهاي یک دامنه فضایی حساسیتهاي متفاوتی داشته و بنابراین سطح حریم خصوصی هر شیء متحرك بر اساس حساسیت مکانهایی تعیین میشود که آن شیء متحرك از آنها عبور کرده است. همچنین، در این روش فرض میشود که یک پایگاه داده مسیر حرکت تنها شامل ویژگیهاي فضایی-زمانی است. روش PLDP-TD یک درخت مسیر حرکت نویزي را بهصورت کارا و شخصیسازيشده ساخته و پس از اعمال قیود سازگاري، به پرسوجوهاي شمارشی پاسخ میدهد. بهمنظور مقیاسپذیري براي دامنههاي فضایی با تعداد مکانهاي زیاد، روش PLDP-TD با افزودن یک مؤلفه تعمیم مکان توسعه داده میشود. در روش PDP-SAG فرض میشود که یک پایگاه داده مسیر حرکت شامل ویژگیهاي حساس دیگري غیر از ویژگیهاي فضایی-زمانی است. این روش با تعمیم ویژگی حساس و ترکیب آن با حریم خصوصی تفاضلی شخصیسازيشده، سطح مورد نیاز حریم خصوصی هر شی ء متحرك را تضمین میکند و میتواند به پرسوجوهاي شمارشی حساس پاسخ دهد. این رساله در نهایت به طراحی الگوریتمی کارا براي انتشار پایگاههاي داده مسیر حرکت با حفظ حریم خصوصی تفاضلی میپردازد. نتایج آزمایشها نشان می دهند که روشهاي PLDP-TD و PDP-SAG علاوه بر حفظ حریم خصوصی تفاضلی بهصورت شخصیسازيشده و در سطح مورد نیاز، سودمندي پاسخهاي نویزي به پرسوجوهاي آماري را نسبت به روشهاي غیرشخصیسازيشدهي حریم خصوصی تفاضلی در پایگاههاي داده مسیر حرکت بهصورت قابل ملاحظهاي بهبود میدهند. علاوه بر این، از نتایج آزمایشها مشاهده میشود که پایگاه داده مسیر حرکت مصنوعی منتشرشده ویژگیهاي فضایی و زمانی موجود در پایگاه داده مسیر حرکت اصلی را بهخوبی حفظ کرده و عملکرد بهتري نسبت به روشهاي مشابه از خود نشان میدهد. 27 آبان 1398 / تعداد نمایش : 1811
|