Skip Navigation Linksلیست مقالات ترجمه شده / مقالات ترجمه شده مهندسی كامپيوتر /

عنوان ترجمه شده مقاله: یک روش ترکیبی برای گمنام سازی زیرشاخه مقیاس پذیر در داده عظیم با استفاده از نگاشت کاهش بر روی ابر

در برنامه های داده عظیم، حریم خصوصی داده، یکی از مسائل نگران کننده است، زیرا پردازش مجموعه داده های حساس به مسائل امنیتی و با مقیاس بزرگ، اغلب نیاز به منابع رایانشی ارائه شده توسط سرویسهای ابر عمومی دارد
 Abstract

In big data applications, data privacy is one of the most concerned issues because processing large-scale privacy-sensitive data sets often requires computation resources provisioned by public cloud services. Sub-tree data anonymization is a widely adopted scheme to anonymize data sets for privacy preservation. Top–Down Specialization (TDS) and Bottom–Up Generalization (BUG) are two ways to fulfill sub-tree anonymization. However, existing approaches for sub-tree anonymization fall short of parallelization capability, thereby lacking scalability in handling big data in cloud. Still, either TDS or BUG individually suffers from poor performance for certain valuing of k-anonymity parameter. In this paper, we propose a hybrid approach that combines TDS and BUG together for efficient sub-tree anonymization over big data. Further, we design MapReduce algorithms for the two components (TDS and BUG) to gain high scalability. Experiment evaluation demonstrates that the hybrid approach significantly improves the scalability and efficiency of sub-tree anonymization scheme over existing approaches

چکیده

در برنامه های داده عظیم، حریم خصوصی داده، یکی از مسائل نگران کننده است، زیرا پردازش مجموعه داده های حساس به مسائل امنیتی و با مقیاس بزرگ، اغلب نیاز به منابع رایانشی ارائه شده توسط سرویسهای ابر عمومی دارد. تخصیص بالا به پایین (TDS) و تعمیم پایین به بالا (BUG) دوراه برای انجام گمنام سازی زیر شاخه هستند. در عین حال، روشهای موجود برای گمنام سازی زیر شاخه بدلیل فقدان مقیاس پذیری در دستکاری داده های عظیم در ابر،  فاقد قابلیت موازی سازی هستند. در حال حاضر، حتی TDS یا BUG خودشان هم برای یک حجم مشخص از گمنامی مرتبه  نقص عملکرد دارند. در این مقاله، ما یک روش ترکیبی را پیشنهاد می کنیم که TDS و BUG را با یکدیگر ترکیب می کند تا گمنام سازی موثری در زیرشاخه در داده های عظیم داشته باشد. علاوه براین، ما جهت دستیابی به مقیاس پذیری بالا، الگوریتمهای نگاشت کاهش را برای دو جزء این روش (BUG و TDS) طراحی می کنیم. ارزیابی های آزمایشی نشان می دهد که روش ترکیبی به صورت معنی داری مقیاس پذیری و کارآیی طرح گمنام سازی زیرشاخه را نسبت به روشهای موجود افزایش داده است.

1-مقدمه

رایانش ابری و داده عظیم، در حال حاضر دو روند چالش برانگیز هستند که اثرات قابل توجهی را بر صنعت IT در جوامع تحقیقاتی فعلی اعمال می کنند[1 و 2]. رایانش ابری نیروی محاسباتی و ظرفیت ذخیره ای کلانی را با استفاده از تعداد زیادی کامپیوترهای شبکه شده، به صورت ارتجاعی ارائه می کند، که کاربران راقادر می سازد تا برنامه های داده عظیم گران قیمت را بدون سرمایه گذاری زیرساختی سنگینی گسترش دهند...


موسسه ترجمه البرز اقدام به ترجمه مقاله " مهندسی فناوری اطلاعات " با موضوع " یک روش ترکیبی برای گمنام سازی زیرشاخه مقیاس پذیر در داده عظیم با استفاده از نگاشت کاهش بر روی ابر " نموده است که شما کاربر عزیز می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
یک روش ترکیبی برای گمنام سازی زیرشاخه مقیاس پذیر در داده عظیم با استفاده از نگاشت کاهش بر روی ابر
نویسنده/ناشر/نام مجله :
Journal of Computer and System Sciences
سال انتشار
2014
کد محصول
1008456
تعداد صفحات انگليسی
13
تعداد صفحات فارسی
34
قیمت بر حسب ریال
930,000
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
1 مگا بایت
تصویر پیش فرض


این مقاله ترجمه شده را با دوستان خود به اشتراک بگذارید
سایر مقالات ترجمه شده مهندسی فناوری اطلاعات , مهندسی كامپيوتر را مشاهده کنید.
کاربر عزیز، بلافاصله پس از خرید مقاله ترجمه شده مقاله ترجمه شده و با یک کلیک می توانید مقاله ترجمه شده خود را دانلود نمایید. مقاله ترجمه شده خوداقدام نمایید.
جهت خرید لینک دانلود ترجمه فارسی کلیک کنید
جستجوی پیشرفته مقالات ترجمه شده
برای کسب اطلاعات بیشتر، راهنمای فرایند خرید و دانلود محتوا را ببینید
هزینه این مقاله ترجمه شده 930000 ریال بوده که در مقایسه با هزینه ترجمه مجدد آن بسیار ناچیز است.
اگر امکان دانلود از لینک دانلود مستقیم به هر دلیل برای شما میسر نبود، کد دانلودی که از طریق ایمیل و پیامک برای شما ارسال می شود را در کادر زیر وارد نمایید


این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:






Big data
Cloud computing
Data anonymization
Privacy preservation
MapReduce

تاریخ انتشار در سایت: 2016-06-29
جستجوی پیشرفته مقالات ترجمه شده
نظرتان در مورد این مقاله ترجمه شده چیست؟

ثبت سفارش جدید