Name: Une Technique Efficace Pour Sécuriser L'accès aux Données Multi Overlapping Slici: Pour de Multiples Domaines à L'aide du Découpage en Tranches Superposées (en Francés)
Price: 56.43 USD
Availability: InStock
Author: Rani Ingawale; Somnath Thigale
ISBN: 9786207616244

portada Une Technique Efficace Pour Sécuriser L'accès aux Données Multi Overlapping Slici: Pour de Multiples Domaines à L'aide du Découpage en Tranches Superposées (en Francés)

Une Technique Efficace Pour Sécuriser L'accès aux Données Multi Overlapping Slici: Pour de Multiples Domaines à L'aide du Découpage en Tranches Superposées (en Francés)

Formato

Libro Físico

Editorial

Editions Notre Savoir

Autor

Rani Ingawale; Somnath Thigale

Idioma

Francés

N° páginas

Encuadernación

Tapa Blanda

ISBN13

9786207616244

Une Technique Efficace Pour Sécuriser L'accès aux Données Multi Overlapping Slici: Pour de Multiples Domaines à L'aide du Découpage en Tranches Superposées (en Francés)

Rani Ingawale; Somnath Thigale (Autor) · Editions Notre Savoir · Tapa Blanda

Libro Nuevo Importado

Envío: 16 a 22 días háb.

$ 112.87$ 56.43

-50%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 50 unidades

$ 56.43

Llega entre el 04 Ago y el 17 Ago a Quito, Pichincha. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Une Technique Efficace Pour Sécuriser L'accès aux Données Multi Overlapping Slici: Pour de Multiples Domaines à L'aide du Découpage en Tranches Superposées (en Francés)"

Le Data Mining est le processus qui consiste à analyser les données sous différents angles, à les résumer et à extraire les informations nécessaires de la base de données. La plupart des entreprises collectent et stockent des données dans de grandes bases de données. La confidentialité des bases de données est une responsabilité importante des organisations qui doivent protéger les informations sensibles des clients, car ces derniers leur font confiance. Diverses techniques d'anonymisation ont été proposées pour assurer la confidentialité des microdonnées sensibles. La généralisation fait perdre une quantité considérable d'informations, en particulier pour les données à haute dimension. La catégorisation n'empêche pas la divulgation de l'appartenance et ne s'applique pas aux données qui ne présentent pas une séparation claire entre les attributs quasi-identifiants et les attributs sensibles. Le découpage en tranches est une technique proposée pour les ensembles de données publiés anonymes en partitionnant l'ensemble de données verticalement et horizontalement. La technique proposée accroît l'utilité et la confidentialité d'un ensemble de données découpées en tranches en permettant un découpage par chevauchement tout en empêchant la divulgation de l'appartenance. Elle permet également un accès sécurisé aux données pour de multiples domaines. Cette nouvelle approche fonctionne sur le découpage en tranches superposées pour améliorer et préserver l'utilité et la confidentialité des données, mieux que le découpage traditionnel.