Τεχνικές ανωνυμοποίησης σχεσιακών δεδομένων

Παρασκευά, Γεώργιος; Paraskeva, Georgios

dc.contributor.author	Παρασκευά, Γεώργιος	el
dc.contributor.author	Paraskeva, Georgios	en
dc.date.accessioned	2018-10-02T11:15:44Z
dc.date.issued	2018-10-02
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/47700
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.15836
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Ιδιωτικότητα	el
dc.subject	κ-ανωνυμία	el
dc.subject	Επιθέσεις	el
dc.subject	διαφορετικότητα	el
dc.subject	Γενικός κανονισμός προστασίας δεδομένων	el
dc.subject	Privacy	en
dc.subject	k-anonymity	el
dc.subject	Attack	el
dc.subject	Diversity	el
dc.subject	General Data Protection Regulation	el
dc.title	Τεχνικές ανωνυμοποίησης σχεσιακών δεδομένων	el
heal.type	bachelorThesis
heal.classification	Ανωνυμοποίηση	el
heal.dateAvailable	2019-10-01T21:00:00Z
heal.language	el
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2018-07-13
heal.abstract	Όσο το σύνολο των δεδομένων που χαρακτηρίζουν τους πολίτες διογκώνεται μαζί με τον αριθμό των οργανισμών που συλλέγουν και επεξεργάζονται αυτά τα δεδομένα, τόσο μεγαλώνει και η ανάγκη για τη διαφύλαξη της ιδιωτικότητας των ατόμων κατά τη δημοσίευση δεδομένων. Δε μπορούμε να αρνηθούμε τα ευεργετικά αποτελέσματα που μπορούν να προκύψουν από την ορθολογιστική επεξεργασία μεγάλων συνόλων δεδομένων, αλλά επίσης δε μπορούμε παρά να αναγνωρίσουμε και τους κινδύνους που φέρει η συλλογή αυτών. Σκοπός της παρούσας εργασίας είναι η παρουσίαση όχι μόνο του προβλήματος, αλλά και των βασικών εννοιών και τεχνικών ανωνυμοποίησης δεδομένων, μελέτη αλγορίθμων και μετρικών αλλά και επίδειξη ενός πειράματος που έγινε με σκοπό την αναγνώριση βέλτιστων παραμέτρων ανωνυμοποίησης επί πραγματικών συνόλων.	el
heal.abstract	As the datasets that link to people grow bigger and bigger along with the number of organizations that collect and process such data, the need of privacy becomes a great responsibility for all of us. It’s obvious that rational processing of people’s data can lead to important conclusions but no one should ignore the great danger we come up with when organizations collect so much data. This study aims to present the privacy attack problems, the anonymization techniques and basic principles of it, along with algorithms, metrics and an experiment that suggests optimal parameters of anonymization processes ran on real datasets.	en
heal.advisorName	Ασκούνης, Δημήτριος	el
heal.committeeMemberName	Ασκούνης, Δημήτριος	el
heal.committeeMemberName	Ψαρράς, Ιωάννης	el
heal.committeeMemberName	Ασημακόπουλος, Βασίλειος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων	el
heal.academicPublisherID	ntua
heal.numberOfPages	102 σ.
heal.fullTextAvailability	true