클라우드 상에서 정보 보호를 지원하는 암호화 연산 프로토콜 및 k-Means 클러스터링 알고리즘 :Privacy-preserving k-Means Clustering algorithm using a Secure Protocol on Cloud Computing

김형진

추천

검색

자료유형: 학위논문

저자정보: 김형진 (전북대학교, 전북대학교 일반대학원)

지도교수: 장재우

발행연도: 2017

저작권: 전북대학교 논문은 저작권에 의해 보호받습니다.

이용수7

이 논문의 연구 히스토리 (3)

2018

암호화 연산 프로토콜 및 데이터 분포 기반 중심점 선정을 이용한 개인 정보 보호 k-Means 클러스터링 알고리즘

김형진 , 장재우 정보과학회 컴퓨팅의 실제 논문지 2018.10 학술저널

2017

클라우드 상에서 정보 보호를 지원하는 암호화 인덱스 기반 k-Means Clustering 알고리즘

김형진 , 장재우 한국정보과학회 학술발표논문집 2017.06 학술대회자료

클라우드 상에서 정보 보호를 지원하는 암호화 연산 프로토콜 및 k-Means 클러스터링 알고리즘

김형진 컴퓨터공학과 2017.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

There is a problem that the original data is exposed when the original database is outsourced in the cloud. Therefore, data mining algorithms that support information protection on encrypted databases have been studied. Clustering algorithms have been actively studied in data mining techniques. Fang et al. proposed a k-Means Clustering algorithm that supports data protection and result protection. The algorithm is the only research that supports the k-Means Clustering algorithm using the paillier cryptosystem. However, the algorithm has a disadvantage in that the result of clustering is irregular by arbitrarily setting the center of the initial cluster, and a high query processing cost is required by performing encryption operation on the entire data. To solve this problem. In this paper, we propose Privacy-preserving k-Means Clustering algorithm using a Secure Protocol on Cloud Computing. The proposed algorithm performs efficient clustering through initial center value setting and filtering using a Quadtree index. Through the performance evaluation, we confirmed that the proposed algorithm improved about 150 ~ 250% on average compared to the previous studies.

#Cloud computing #Database outsourcing #Database encryption #Secure Protocol #Privacy-preserving k-Means Clustering #Hiding data access patterns

I. 서론 1
1.1 연구 배경 1
1.2 연구 내용 및 범위 4
1.3 논문의 구성 5
II. 관련 연구 6
2.1 데이터 보호를 지원하는 k-Mean 클러스터링 알고리즘 6
2.2 보안 관련 배경 지식 7
III. 시스템 구조 및 암호화 연산 프로토콜 10
3.1 설계 시 고려사항 11
3.2 시스템 구조 12
3.3 암호화 연산 프로토콜 17
IV. 정보 보호를 지원하는 k-Means 클러스터링 알고리즘 26
4.1 전처리 단계 26
4.2 노드 필터링 단계 28
4.3 k-Means 클러스터링 31
4.4 종료 단계 33
V. 성능 평가 35
5.1 Uniform 데이터 수 변화에 따른 성능평가 36
5.2 Gaussian 데이터 수 변화에 따른 성능평가 37
5.3 Skewed 데이터 수 변화에 따른 성능평가 38
5.4 제안하는 기법의 성능 분석 40
VI. 결론 및 향후 연구 43
6.1 결론 43
6.2 향후 연구 43
참고문헌 44

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)