Personalising privacy contraints in Generalization-based Anonymization Models
Les bénéfices engendrés par les études statistiques sur les données personnelles des individus sont nombreux, que ce soit dans le médical, l'énergie ou la gestion du trafic urbain pour n'en citer que quelques-uns. Les initiatives publiques de smart-disclosure et d'ouverture des donnée...
שמור ב:
| מחבר ראשי: | |
|---|---|
| מחברים אחרים: | , , , , , , |
| פורמט: | Thèse et Mémoire papier |
| שפה: | Anglais |
| יצא לאור: |
Blois (INSA CVL),
2019.
|
| נושאים: | |
| הערה: |
Ecole(s) Doctorale(s) : École doctorale Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes (Centre-Val de Loire) Partenaire(s) de recherche : Laboratoire d'Informatique Fondamentale d'Orléans / LIFO (Laboratoire) Autre(s) contribution(s) : Benjamin Nguyen, Maryline Laurent, Marc-Olivier Killijian, Thi Bich Hanh Dao, Claude Castelluccia, Josep Domingo-Ferrer, Philippe Pucheral (Membre(s) du jury) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Personnalisation de protection de la vie privée sur des modèles d'anonymisation basés sur des généralisations |