Добро пожаловать в клуб

Показать / Спрятать  Домой  Новости Статьи Файлы Форум Web ссылки F.A.Q. Логобург    Показать / Спрятать

       
Поиск   
Главное меню
ДомойНовостиСтатьиПостановка звуковФайлыКнижный мирФорумСловарьРассылкаКаталог ссылокРейтинг пользователейЧаВо(FAQ)КонкурсWeb магазинКарта сайта

Поздравляем!
Поздравляем нового Логобуржца Лен-усь со вступлением в клуб!

Реклама

На сайте снова проблемы - решаем - ждите.
Не работает АВТОРИЗАЦИЯ - вход для пользователей не возможен.
Скорее всего, проблемы решить можно только переездом на другой сервер, другой компании.
А такой переезд возможен только в следующем месяце.
Пока других решений не вижу.
Извиняюсь за неудобства.

Ваш администратор.

КНИЖНЫЙ МИР

Privacy Preserving Data Mining   Shampa Bhattacharyya and Amit Bhattacharyya

Privacy Preserving Data Mining

100 страниц. 2015 год.
LAP Lambert Academic Publishing
Data mining is under attack from privacy advocates because of a misunderstanding about what it actually is and a valid concern about how it’s generally done. This analysis shows how technology from the security community can change data mining for the better, providing all its benefits while still maintaining privacy. Recently, a new class of data mining methods, known as privacy preserving data mining (PPDM) algorithms has been developed by the research community working on security and knowledge discovery. The aim of these algorithms is the extraction of relevant knowledge from large amount of data, while protecting at the same time sensitive information. Several PPDM techniques have been developed that allow one to hide sensitive item sets or patterns, before the data mining process is executed, such as randomization, k anonymity, data perturbation, secure multiparty computation etc.We mainly analysis two most general & secure approach of PPDM – Data Perturbation &Secure Multiparty...
 
- Генерация страницы: 0.05 секунд -