Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Klassificeringsalgoritmer vs differential privacy: Effekt på klassificeringsalgoritmer vid användande av numerisk differential privacy
University of Skövde, School of Informatics.
2018 (Swedish)Independent thesis Basic level (degree of Bachelor), 20 credits / 30 HE creditsStudent thesisAlternative title
Classification algorithms vs differential privacy : Effect of using numerical differential privacy on classification algorithms (English)
Abstract [sv]

Data mining är ett samlingsnamn för ett antal tekniker som används för att analysera datamängder och finna mönster, exempelvis genom klassificering. Anonymisering innefattar en rad tekniker för att skydda den personliga integriteten. Den här studien undersöker hur stor påverkansgrad anonymisering med tekniken differential privacy har på möjligheten att klassificera en datamängd. Genom ett experiment undersöks ett antal magnituder av anonymisering och vilken effekt de har på möjligheten att klassificera data. Klassificering av den anonymiserade datamängden jämförs mot klassificering av den råa datamängden. Liknande studier har genomförts med k-anonymitet som anonymiseringsteknik där möjligheten att klassificera förbättrades genom generalisering. Resultatet från den här studien å andra sidan visar att möjligheten att klassificera sjunker något, vilket beror på att differential privacy sprider ut informationen i datamängden över ett bredare spektrum. Detta försvårar generellt för klassificeringsalgoritmerna att hitta karakteriserande mönster i datamängden och de lyckas därmed inte få lika hög grad av korrekt klassificering.

Place, publisher, year, edition, pages
2018. , p. 34
Keywords [sv]
Data mining, klassificering, algoritmer, anonymisering, differential privacy, runkeeper
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:his:diva-15680OAI: oai:DiVA.org:his-15680DiVA, id: diva2:1220424
Subject / course
Informationsteknologi
Educational program
Computer Science - Specialization in Systems Development
Supervisors
Examiners
Available from: 2018-06-26 Created: 2018-06-18 Last updated: 2018-06-26Bibliographically approved

Open Access in DiVA

fulltext(941 kB)3 downloads
File information
File name FULLTEXT01.pdfFile size 941 kBChecksum SHA-512
fbb47f7023e8b16a6f8f82350ec51bb6fb4e995b89361e15f565d496968d549d0420f44278d87d46544965052aa4daf1e1b39dfe3285ad8392caf79c2ebcd2ab
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Olsson, Mattias
By organisation
School of Informatics
Computer and Information Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 3 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 28 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf