.png){kind=icon}
返回
Accelerating m-Invariance for Continuous Big Data Publishing
.png){kind=icon}
OA
AI
DOI：10.1002/tee.70144.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为防止大数据的收集和发布过程中发生个人信息泄露，保护隐私同时保留数据用途的匿名化技术至关重要。特别是，m-invariance为连续发布并不断更新的动态数据集提供了隐私保护。然而，以往研究面临执行时间随数据集总规模增加而增长的问题，且未对大规模数据集进行评估。在我们对先前研究的复现中，对100万条动态记录进行匿名化平均需要约7小时的执行时间。为解决此问题，我们提出了一种新的m-invariance算法，专注于记录的插入和删除操作，其与数据集总规模无关。我们在CPU和FPGA平台上实现了该算法，在两个平台上对包含100万条记录的数据集进行5000次更新时，执行时间均低于5秒。CPU实现和FPGA实现的每条更新记录吞吐量分别为57 ms/record和2 ms/record。此外，通过FPGA上的缓冲资源优化，我们展示了匿名化超过100万条记录的大规模动态数据集的能力。总之，本研究实现了对100万条动态记录的m-invariance匿名化，支持1 s/record的更新速率。(c) 2025 The Author(s). IEEJ Transactions on Electrical and Electronic Engineering published by Institute of Electrical Engineers of Japan and Wiley Periodicals LLC.
Keyword:
anonymization
m-invariance
FPGA
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
1.1
论文数:
251
被引数:
1.8K
机构
暂无机构信息
引用论文
τ-safety: A privacy model for sequential publication with arbitrary updates.png)
COMPUTERS & SECURITY
COMPUTERS & SECURITYIF5.4
PREAI
分享收藏(τ, m)‐slicedBucket privacy model for sequential anonymization for improving privacy and utilityOAAI
OAAI分享收藏
分享收藏τ-Safe (I, k)-Diversity Privacy Model for Sequential Publication With High UtilityIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏 没有更多内容
没有更多内容