فاطمه باباتبار

A survey of Bayesian Network structure learning

از فاطمه باباتبار
فروردین ۱۷, ۱۴۰۳فروردین ۱۷, ۱۴۰۳

شبکه‌های بیزی (BNs) در چند دهه اخیر به عنوان ابزاری برای استدلال در شرایط عدم قطعیت در زمینه‌های متنوعی مانند پزشکی، زیست‌شناسی، اقتصاد و علوم… ادامه »A survey of Bayesian Network structure learning

Frequent Itemsets Mining With Differential Privacy Over Large-Scale Data

از فاطمه باباتبار
دی ۱, ۱۴۰۲دی ۱, ۱۴۰۲

در سال‌های اخیر، تولید داده‌ها و توسعه فناوری اطلاعات با سرعت زیادی افزایش یافته است، به همین دلیل صنایع مختلف حجم زیادی از داده‌ها را… ادامه »Frequent Itemsets Mining With Differential Privacy Over Large-Scale Data

Collecting High-Dimensional and Correlation-Constrained Data with Local Differential Privacy

از فاطمه باباتبار
آذر ۲۹, ۱۴۰۲آذر ۲۹, ۱۴۰۲

داده‌های با ابعاد بالا حاوی اطلاعات ارزشمندی هستند كه می‌توانند به تصميم‌گيری و ارائه هرچه بهتر خدمات كمک كنند. به همين منظور در سازوكارهای حريم… ادامه »Collecting High-Dimensional and Correlation-Constrained Data with Local Differential Privacy

LoPub: High-Dimensional Crowdsourced Data Publication with Local Differential Privacy

از فاطمه باباتبار
آبان ۲۱, ۱۴۰۲آذر ۲۹, ۱۴۰۲

به كمک جمع‌آوری داده‌های جمع‌سپاری با ابعاد بالا، می‌توان بسياری از اطلاعات و الگوهای بالقوه پشت داده‌ها را استخراج كرده و به كمک آن پيش‌بينی… ادامه »LoPub: High-Dimensional Crowdsourced Data Publication with Local Differential Privacy

PrivBayes: Private Data Release via Bayesian Networks

از فاطمه باباتبار
آبان ۲۰, ۱۴۰۲آبان ۲۱, ۱۴۰۲

حفظ حریم خصوصی داده‌ها هنگام انتشار آنها مساله مهمی است به همین دلیل از حریم خصوصی تفاضلی استفاده می‌شود. اما روش‌های موجود، حریم خصوصی مناسبی… ادامه »PrivBayes: Private Data Release via Bayesian Networks

Multi-Party High-Dimensional Data Publishing Under Differential Privacy

از فاطمه باباتبار
آبان ۱۳, ۱۴۰۲آذر ۲۸, ۱۴۰۲

داده‌های با ابعاد بالا مانند داده‌های مراقبت‌های بهداشتی يا داده‌های رفتاری كاربر، برای اهداف متفاوتی مورد استفاده قرار می‌گيرند و اغلب اين داده‌ها در اختيار… ادامه »Multi-Party High-Dimensional Data Publishing Under Differential Privacy

DPPro: Differentially Private High-Dimensional Data Release via Random Projection

از فاطمه باباتبار
آبان ۱۳, ۱۴۰۲آبان ۱۴, ۱۴۰۲

در سال‌های اخیر، انتشار داده‌ها با حفظ حریم خصوصی آنها توجه زیادی را به خود جلب کرده است. روش‌های حریم خصوصی تفاضلی موجود برای زمانی… ادامه »DPPro: Differentially Private High-Dimensional Data Release via Random Projection

Publishing locally private high-dimensional synthetic data efficiently

از فاطمه باباتبار
مهر ۸, ۱۴۰۲آبان ۱۴, ۱۴۰۲

امروزه بیشتر تحقیقات انتشار داده‌ها تحت LDP بر روی داده‌های با ابعاد پایین تمرکز کرده‌اند. داده‌های با ابعاد بالا در دنیای واقعی، مانند تشخیص‌های پزشکی… ادامه »Publishing locally private high-dimensional synthetic data efficiently

DDRM: A Continual Frequency Estimation Mechanism with Local Differential Privacy

از فاطمه باباتبار
مرداد ۳۰, ۱۴۰۲آبان ۱۴, ۱۴۰۲

برای جمع‌آوری داده‌ها، چندین طرح حریم خصوصی تفاضلی محلی(LDP) وجود دارد که حریم خصوصی قوی‌ای را برای افراد تضمین کرده و در عین حال سودمندی… ادامه »DDRM: A Continual Frequency Estimation Mechanism with Local Differential Privacy

DP2-Pub: Differentially Private High-Dimensional Data Publication with Invariant Post Randomization

از فاطمه باباتبار
مرداد ۲۷, ۱۴۰۲شهریور ۵, ۱۴۰۲

در این مقاله به بررسی سازوکار «انتشار داده‌های خصوصی با ابعاد بالا» می‌پردازیم که به اختصار آن را DP2-Pub می‌نامیم و از دو مرحله‌ی خوشه‌بندی… ادامه »DP2-Pub: Differentially Private High-Dimensional Data Publication with Invariant Post Randomization