Datenschutz und Datensicherheit - DuD

, Volume 34, Issue 10, pp 709–712 | Cite as

Anonymität bewahrendes Data Mining

  • David Schumann
Aufsätze

Zusammenfassung

Über eine Vielzahl von öffentlichen und privaten elektronischen Datenbanken werden Informationen strukturiert und so einfacher abfragbar gemacht. Die Technik des Data Mining geht einen bedeutenden Schritt weiter: Durch diese Form der Datenanalyse können nichttriviale Assoziationsinformationen und somit neues Wissen aus einer Datenbank gewonnen werden. Dabei besteht die Gefahr, dass aus anonymen oder pseudonymen Daten ein Personenbezug rekonstruiert werden kann. Der Beitrag stellt Ansätze vor, mit denen ein solcher Missbrauch verhindert werden kann.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Quellen

  1. [1]
    Domingo-Ferrer, Torra: Privacy in Data Mining. 2005.MathSciNetCrossRefGoogle Scholar
  2. [2]
    Zhiqiang Yang, Sheng Zhong, Rebecca N. Wright: Towards Privacy-Preserving Model Selection. 2008Google Scholar
  3. [3]
    Rakesh Agrawal, Ramakrishnan Srikant: Privacy-Preserving Data Mining. 2000.Google Scholar
  4. [4]
    Schulz, Waldenspuhl, Hermerschmidt: Data Warehouse und Data Mining im öffentlichen Bereich — Datenschutzrechtliche und -technische Aspekte. 2002.Google Scholar
  5. [5]
    Verykios, Bertino: State-of-the-art in Privacy Preserving Data Mining. 2004.CrossRefGoogle Scholar
  6. [6]
    Islam, Brankovic: A Framework for Privacy Preserving Classification in Data Mining. 2004.Google Scholar
  7. [7]
    Charu C. Agarwal: Privacy-preserving Data Mining: Models and Algorithms. 2008.Google Scholar
  8. [8]
    Aggarwal, Yu: On Static and Dynamic Methods for Condensation-Based Privacy-Preserving Data Mining. 2008.CrossRefGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2010

Authors and Affiliations

  • David Schumann

There are no affiliations available

Personalised recommendations