메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이수진 (공주대학교) 박철희 (공주대학교) 홍도원 (공주대학교) 김재금 (우스베키스탄 한국국제대)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.48 No.1
발행연도
2021.1
수록면
128 - 140 (13page)
DOI
10.5626/JOK.2021.48.1.128

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
다양한 서비스를 이용함으로써 개인정보는 수집되며, 관리자는 수집된 데이터들로부터 가치를 추출하고 결과를 분석하여 개개인의 맞춤형 정보를 제공한다. 하지만 의료 데이터와 같은 민감한 데이터는 프라이버시 침해문제가 있으며, 이에 재현 데이터 생성 모델로 GAN이 많이 사용되고 있다. 그러나 GAN은 원본 데이터의 민감한 정보까지 학습하므로 프라이버시 취약점이 존재한다. 따라서 GAN의 프라이버시 보호를 위해 많은 연구가 수행되었다. 특히 강력한 프라이버시 보호 모델인 차분 프라이버시를 적용한 연구가 진행되었지만, 데이터의 유용성 측면에서 실제 환경에 적용하기에는 부족하다. 본 논문에서는 프라이버시와 유용성을 보장하는 Rényi 차분 프라이버시를 적용한 GAN 모델을 연구한다. 특히 WGAN 및 WGAN-GP을 기반으로 프라이버시를 보존하지 않은 기존의 모델, 차분 프라이버시를 적용한 모델, 그리고 Rényi 차분 프라이버시를 적용한 모델들을 통해 생성된 재현 데이터를 비교 분석한다.
#적대적 생성 신경망 #데이터 프라이버시 #차분 프라이버시 #Rényi 차분 프라이버시 #Generative Adversarial Network #Data privacy #Differential privacy #Rényi Differential privacy

목차

요약
Abstract
1. 서론
2. 연구 배경
3. 차분 프라이버시 보존형 모델 설계
4. 실험 및 결과
5. 분석 및 평가
6. 결론
References

참고문헌 (35)

참고문헌 신청
Na L, Yang C, Lo C, Zhao F, Fukuoka Y, Aswani A., "Feasibility of Reidentifying Individuals in Large National Physical Activity Data Sets From Which Protected Health Information Has Been Removed With Use of Machine Learning," JAMA network open, 2018, 1.8: e186040-e186040. google schola https://www.securityfocus.com/news/11497 Goodfellow, Ian, et al., "Generative adversarial nets," Advances in neural information processing systems, (NIPS), Vol. 2, pp. 2672-2680, 2014. google schola Mao, Xudong, et al., "Least squares generative adversarial networks," Proc. of the IEEE International Conference on Computer Vision, pp. 2794-2802, 2017. google schola A. Radford, L. Metz, S. Chintala, "Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks," Proc. of International Conference on Learning Representations. pp. 1-15, Jan. 2016. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

로컬 차분 프라이버시 실제 적용 사례연구 : 프라이버시 보존형 설문조사
정수용 ,  홍도원 ,  서창호 정보보호학회논문지 2020 .02
차분 프라이버시 - 프라이버시 보호 빅데이터 처리 기준
김종선 ,  정연돈 한국통신학회지(정보와통신) 2020 .07
분산 차분 프라이버시를 통한 프라이버시 보존 환경에서의 IoT 데이터 수집 방법
임종현 ,  김종욱 한국컴퓨터정보학회논문지 2020 .06
Research for Speed Improvement Method of Lightweight Block Cipher CHAM using NEON SIMD
이수진 ,  강준영 ,  홍도원 외 1명 Journal of KIISE 2019 .05
차분 프라이버시를 만족하는 안전한 GAN 기반 재현 데이터 생성 기술 연구
강준영 ,  정수용 ,  홍도원 외 1명 정보보호학회논문지 2020 .10

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-569-001489890