Privacy-Preserving Single Layer Perceptron
محل انتشار: ششمین کنفرانس بین المللی انجمن رمز ایران
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 2,018
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCC06_006
تاریخ نمایه سازی: 16 تیر 1389
چکیده مقاله:
In this paper, we will introduce several notions of privacy, such as k-anonymity, p-indistinguishability, (c,t)-isolation, and SMC-based measures. We then turn our attention to privacy-preserving classification algorithms. We propose two approaches to classify data using a neural-network classifier called perceptron. The first approach is based on probabilistic encryption, while the second one is based on simple random computations. The two approaches are then compared, and the advantages and disadvantages of each are considered.
کلیدواژه ها:
نویسندگان
Mohammad Sadeq Dousti۱,
Network Security Center, Department of Computer Engineering
Maryam AmirHaeri۱,
Network Security Center, Department of Computer Engineering
Rassol Jalili۱
Network Security Center, Department of Computer Engineering
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :