Local synthesis for disclosure limitation that satisfies probabilistic k-anonymity criterion

Oganian, A.; Domingo-Ferrer, J.

Pertany a la col·lecció PC:SerieArticles

TÍTOL:

Local synthesis for disclosure limitation that satisfies probabilistic k-anonymity criterion - PC:2893

Handle:

https://hdl.handle.net/20.500.11797/PC2893

Autor/s de la URV:	OGANIAN , ANNA; DOMINGO FERRER, JOSEP
Autor segons l'article:	Oganian, A.; Domingo-Ferrer, J.
Identificador de l'autor:	; 0000-0001-7213-4962
Any de publicació de la revista:	2017
Tipus de publicació:	Article
ISSN:	1888-5063
Enllaç font original:	http://www.tdp.cat/issues16/vol10n01.php
Versió de l'article dipositat:	info:eu-repo/semantics/publishedVersion
Accès a la llicència d'ús:	https://creativecommons.org/licenses/by/3.0/es/
Departament:	Enginyeria Informàtica i Matemàtiques
Grup de recerca:	Seguretat i Privadesa
URL Document de llicència:	https://repositori.urv.cat/ca/proteccio-de-dades/
Àrees temàtiques:	Matemàtiques
Programa de finançament:	european; FP7; DwB plan; ARES; 2010 CSD2007-00004 plan; TIN; TIN2011-27076-C03-01 altres; Grups consolidats; 2009 SGR 1135
Premis i ajuts:	ICREA Acadèmia
Entitat:	Universitat Rovira i Virgili
Data d'alta del registre:	2017-05-26
Pàgina inicial:	61
Pàgina final:	81
Volum de revista:	10

Descripció:	Filiació URV: SI DOI: N/D URL: http://www.tdp.cat/issues16/vol10n01.php Before releasing databases which contain sensitive information about individuals, data publishers must apply Statistical Disclosure Limitation (SDL) methods to them, in order to avoid disclosure of sensitive information on any identifiable data subject. SDL methods often consist of masking or synthesizing the original data records in such a way as to minimize the risk of disclosure of the sensitive information while providing data users with accurate information about the population of interest. In this paper we propose a new scheme for disclosure limitation, based on the idea of local synthesis of data. Our approach is predicated on model-based clustering. The proposed method satisfies the requirements of k-anonymity; in particular we use a variant of the k-anonymity privacy model, namely probabilistic k-anonymity, by incorporating constraints on cluster cardinality. Regarding data utility, for continuous attributes, we exactly preserve means and covariances of the original data, while approximately preserving higher-order moments and analyses on subdomains (defined by clusters and cluster combinations). For both continuous and categorical data, our experiments with medical data sets show that, from the point of view of data utility, local synthesis compares very favorably with other methods of disclosure limitation including the sequential regression approach for synthetic data generation.
Cobertura:	Anglès
Tipus:	article Article Artículo Article info:eu-repo/semantics/publishedVersion
Coautor:	Seguretat i Privadesa Enginyeria Informàtica i Matemàtiques Universitat Rovira i Virgili
Títol:	Local synthesis for disclosure limitation that satisfies probabilistic k-anonymity criterion
Matèria:	Xifratge (Informàtica) Protecció de dades Probabilistic k-anonymity Mixture model Expectation-Maximization (EM) algorithm Mathematics Matemáticas Matemàtiques 1888-5063
Data:	2017
Format:	311 kb
Autor:	Oganian, A. Domingo-Ferrer, J.
Drets:	info:eu-repo/semantics/openAccess
Editor:	Publicacions de la Universitat Autònoma de Barcelona

Cerca el teu registre a:

Fitxers disponibles
Fitxer	Descripció	Format
DocumentPrincipal	DocumentPrincipal	application/pdf

Tots els objectes d'aquesta col·lecció

Informació