Differentially private attribute selection for classification

Basit Öğe Kaydı
dc.contributor.advisorİnan, Alien_US
dc.contributor.authorVar, Esraen_US
dc.contributor.otherIşık Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Yüksek Lisans Programıen_US
dc.date.accessioned2016-08-04T08:56:55Z
dc.date.available2016-08-04T08:56:55Z
dc.date.issued2015-06-18
dc.departmentIşık Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Yüksek Lisans Programıen_US
dc.descriptionText in English ; Abstract: English and Turkishen_US
dc.descriptionIncludes bibliographical references (leaves 36-38)en_US
dc.descriptioniii, 41 leavesen_US
dc.description.abstractAny study on processing or analyzing large data sets that contain personally sensitive data should conform against some form of privacy protection mechanism. Otherwise, malicious people can aceess these data sets to extract private information and use this private information in agency operations, blackmail, fraud or any other harmful actions. Importance and necessity of privacy preserving data mining is increasing day by day, hence public and government lawmakers, privacy advocates and the media are drawing more and more attention to this subject daily. This thesis proposes an approach to that selects features from a data set according to the differential privacy mechanism and implements this proposed solution on a popular data mining library called WEKA.en_US
dc.description.abstractBüyük veriler üzerindeki çalışmalar ve analizler gizliliği, özellikle kişisel hassas bilgilerin gizliliğini gözetmek durumundadır. Gerekli koruma önlemleri alınmazsa kötü niyetli kişiler kritik bilgilere ulaşabilir ve bunlar şantaj, dolandırıcılık gibi çeşitli zararlı amaçlı için kullanabilir. Veri güvenliği kavramının önemi ve gerekliliği günden güne artmaktadır ve halk, hükümet yetkilileri ve medya bu kavrama giderek artan bir ilgi göstermektedir. Bu tez yaygın kullanılan bir veri madenciliği kütüphanesi olan WEKA üzerinde, ayrımsal mahremiyet kavramını veri madenciliğinin bir alanı olan özellik seçimi yönünden ele alıp veri güvenliği performansını geliştiren bir yaklaşım sunmaktadır.en_US
dc.description.tableofcontentsDifferential Privacy Overviewen_US
dc.description.tableofcontentsSensitivityen_US
dc.description.tableofcontentsFeature Selectionen_US
dc.description.tableofcontentsFilter Approachen_US
dc.description.tableofcontentsWrapper Approachen_US
dc.description.tableofcontentsEmbedded Approachen_US
dc.description.tableofcontentsCross Validationen_US
dc.description.tableofcontentsProposed Solutionen_US
dc.description.tableofcontentsPreparing the Data Seten_US
dc.description.tableofcontentsAttribute Selectionen_US
dc.description.tableofcontentsSelecting an Attribute Evaluatoren_US
dc.description.tableofcontentsChiSquaredAttributeEvalen_US
dc.description.tableofcontentsInfoGainAttributeEvalen_US
dc.description.tableofcontentsSelecting Search Methoden_US
dc.description.tableofcontentsAdding Noiseen_US
dc.description.tableofcontentsFilteringen_US
dc.description.tableofcontentsClassificationen_US
dc.description.tableofcontentsNaive Bayes Classifieren_US
dc.description.tableofcontentsExperimental Resultsen_US
dc.description.tableofcontentsEffects of Changing Epsilonen_US
dc.description.tableofcontentsEffects of Changing Instanceen_US
dc.description.tableofcontentsEffects of Changing Attributeen_US
dc.description.tableofcontentsA Graphical User Interface for Empirical Analysisen_US
dc.identifier.citationVar, E. (2015). Differentially private attribute selection for classification. İstanbul: Işık Üniversitesi Fen Bilimleri Enstitüsü.en_US
dc.identifier.urihttps://hdl.handle.net/11729/1083
dc.institutionauthorVar, Esraen_US
dc.language.isoenen_US
dc.publisherIşık Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subject.lccQA76.9.D343 V37 2015
dc.subject.lcshData mining.en_US
dc.subject.lcshData mining -- Statistical methods.en_US
dc.subject.lcshPrivacy.en_US
dc.subject.lcshProtection and Advocacy Project.en_US
dc.titleDifferentially private attribute selection for classificationen_US
dc.title.alternativeAyrımsal mahremiyete dayalı öznitelik seçimien_US
dc.typeMaster Thesisen_US
dspace.entity.typePublication

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
11729-1083.pdf
Boyut:
564.17 KB
Biçim:
Adobe Portable Document Format
Açıklama:
MasterThesis
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.71 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu