Забезпечення групової анонімності в мікрофайлі з нечіткими даними

У статті пропонується спосіб використання нечіткої інформації в даних мікрофайла перепису населення для забезпечення їхньої групової анонімності. Розглядається метод підрахунку міри належності кожного статистичного запису множині записів, розподіл яких потрібно анонімізувати. Підхід ілюструється за...

Full description

Saved in:
Bibliographic Details
Published in:Штучний інтелект
Date:2012
Main Authors: Чертов, О.Р., Тавров, Д.Ю.
Format: Article
Language:Ukrainian
Published: Інститут проблем штучного інтелекту МОН України та НАН України 2012
Subjects:
Online Access:https://nasplib.isofts.kiev.ua/handle/123456789/57183
Tags: Add Tag
No Tags, Be the first to tag this record!
Journal Title:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:Забезпечення групової анонімності в мікрофайлі з нечіткими даними / О.Р. Чертов, Д.Ю. Тавров // Штучний інтелект. — 2012. — № 3. — С. 312-322. — Бібліогр.: 19 назв. — укр.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-57183
record_format dspace
spelling Чертов, О.Р.
Тавров, Д.Ю.
2014-03-04T15:39:58Z
2014-03-04T15:39:58Z
2012
2012
Забезпечення групової анонімності в мікрофайлі з нечіткими даними / О.Р. Чертов, Д.Ю. Тавров // Штучний інтелект. — 2012. — № 3. — С. 312-322. — Бібліогр.: 19 назв. — укр.
1561-5359
https://nasplib.isofts.kiev.ua/handle/123456789/57183
004.62:510.22
У статті пропонується спосіб використання нечіткої інформації в даних мікрофайла перепису населення для забезпечення їхньої групової анонімності. Розглядається метод підрахунку міри належності кожного статистичного запису множині записів, розподіл яких потрібно анонімізувати. Підхід ілюструється за допомогою розв’язання задачі групової анонімності на базі реальних даних.
В статье предлагается способ использования нечеткой информации в данных микрофайла переписи населения для обеспечения их групповой анонимности. Рассматривается метод подсчета меры принадлеж- ности каждой статистической записи множеству записей, распределение которых нужно анонимизировать. Подход иллюстрируется с помощью решения задачи групповой анонимности на основе реальных данных.
In the paper, the method for utilizing fuzzy information in census microfile data for providing their group anonymity is proposed. A novel method for calculating membership grade for each statistical record belonging to a group to be anonymized is discussed. The approach is being illustrated with solving the group anonymity task based on real-life data.
uk
Інститут проблем штучного інтелекту МОН України та НАН України
Штучний інтелект
Интеллектуальные системы планирования, управления, моделирования и принятия решений
Забезпечення групової анонімності в мікрофайлі з нечіткими даними
Обеспечение групповой анонимности в микрофайле с нечеткими данными
Providing Group Anonymity in the Microfile with Fuzzy Data
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Забезпечення групової анонімності в мікрофайлі з нечіткими даними
spellingShingle Забезпечення групової анонімності в мікрофайлі з нечіткими даними
Чертов, О.Р.
Тавров, Д.Ю.
Интеллектуальные системы планирования, управления, моделирования и принятия решений
title_short Забезпечення групової анонімності в мікрофайлі з нечіткими даними
title_full Забезпечення групової анонімності в мікрофайлі з нечіткими даними
title_fullStr Забезпечення групової анонімності в мікрофайлі з нечіткими даними
title_full_unstemmed Забезпечення групової анонімності в мікрофайлі з нечіткими даними
title_sort забезпечення групової анонімності в мікрофайлі з нечіткими даними
author Чертов, О.Р.
Тавров, Д.Ю.
author_facet Чертов, О.Р.
Тавров, Д.Ю.
topic Интеллектуальные системы планирования, управления, моделирования и принятия решений
topic_facet Интеллектуальные системы планирования, управления, моделирования и принятия решений
publishDate 2012
language Ukrainian
container_title Штучний інтелект
publisher Інститут проблем штучного інтелекту МОН України та НАН України
format Article
title_alt Обеспечение групповой анонимности в микрофайле с нечеткими данными
Providing Group Anonymity in the Microfile with Fuzzy Data
description У статті пропонується спосіб використання нечіткої інформації в даних мікрофайла перепису населення для забезпечення їхньої групової анонімності. Розглядається метод підрахунку міри належності кожного статистичного запису множині записів, розподіл яких потрібно анонімізувати. Підхід ілюструється за допомогою розв’язання задачі групової анонімності на базі реальних даних. В статье предлагается способ использования нечеткой информации в данных микрофайла переписи населения для обеспечения их групповой анонимности. Рассматривается метод подсчета меры принадлеж- ности каждой статистической записи множеству записей, распределение которых нужно анонимизировать. Подход иллюстрируется с помощью решения задачи групповой анонимности на основе реальных данных. In the paper, the method for utilizing fuzzy information in census microfile data for providing their group anonymity is proposed. A novel method for calculating membership grade for each statistical record belonging to a group to be anonymized is discussed. The approach is being illustrated with solving the group anonymity task based on real-life data.
issn 1561-5359
url https://nasplib.isofts.kiev.ua/handle/123456789/57183
citation_txt Забезпечення групової анонімності в мікрофайлі з нечіткими даними / О.Р. Чертов, Д.Ю. Тавров // Штучний інтелект. — 2012. — № 3. — С. 312-322. — Бібліогр.: 19 назв. — укр.
work_keys_str_mv AT čertovor zabezpečennâgrupovoíanonímnostívmíkrofailíznečítkimidanimi
AT tavrovdû zabezpečennâgrupovoíanonímnostívmíkrofailíznečítkimidanimi
AT čertovor obespečeniegruppovoianonimnostivmikrofailesnečetkimidannymi
AT tavrovdû obespečeniegruppovoianonimnostivmikrofailesnečetkimidannymi
AT čertovor providinggroupanonymityinthemicrofilewithfuzzydata
AT tavrovdû providinggroupanonymityinthemicrofilewithfuzzydata
first_indexed 2025-12-07T21:01:39Z
last_indexed 2025-12-07T21:01:39Z
_version_ 1850884803053748224