నైరూప్య

A Study on Privacy Preserving Data Mining

K.Sashirekha, B.A.Sabarish, Arockia Selvaraj

Privacy Preserving and Data Mining addresses the problem of protecting the mobile users from the attackers. Privacy threat includes the process of predicting the movement pattern based on the statistical information collected. Intruder monitors the traffic models to predict the group movement and try to access the private information of mobile users. Privacy can be achieved by means of randomization, k-anonymization, and distributed privacy-preserving data mining. In order to provide better privacy multi-level frameworks are used. In this paper, an analysis is done on various methods of privacy preserving and multi-level trust policy, limitation while using large dimension data sets.

నిరాకరణ: ఈ సారాంశం ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ టూల్స్ ఉపయోగించి అనువదించబడింది మరియు ఇంకా సమీక్షించబడలేదు లేదా నిర్ధారించబడలేదు

ఇండెక్స్ చేయబడింది

Index Copernicus
Academic Keys
CiteFactor
కాస్మోస్ IF
RefSeek
హమ్దార్డ్ విశ్వవిద్యాలయం
వరల్డ్ కేటలాగ్ ఆఫ్ సైంటిఫిక్ జర్నల్స్
ఇంటర్నేషనల్ ఇన్నోవేటివ్ జర్నల్ ఇంపాక్ట్ ఫ్యాక్టర్ (IIJIF)
ఇంటర్నేషనల్ ఇన్స్టిట్యూట్ ఆఫ్ ఆర్గనైజ్డ్ రీసెర్చ్ (I2OR)
కాస్మోస్

మరిన్ని చూడండి