지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김종욱
- 발행연도
- 2020
- 저작권
- 상명대학교 논문은 저작권에 의해 보호받습니다.
이용수7
이 논문의 연구 히스토리 (3)
2020
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
오늘날 사물 인터넷은 우리에게 편의를 제공하기 위해 가정, 산업 현장 및 병원을 포함한 많은 곳에서 사용된다. 이에 더불어 구글, 삼성, 애플 등과 같은 글로벌 기업들은 사물 인터넷 기기의 센서를 활용해 심박 수, 걸음 수, 칼로리 등의 건강 데이터를 수집할 수 있는 스마트 기기들을 내놓고 있다 [32]. 이러한 기기들에서 생성된 데이터가 남용되면 개인 정보, 생활 습관 및 질병의 유무 등 다양한 민감정보가 유출되어 심각한 프라이버시 문제를 발생시킨다. 이를 해결하고 사용자의 프라이버시를 보호하기 위해 현재 차분 프라이버시에 대한 연구가 활발히 진행되고 있다. 그 중 지역 차분 프라이버시(Local Differential Privacy, LDP)는 스마트 기기 내에서 사용자가 직접 데이터를 변조하고 수집하여 외부 노출을 막는 방법이며, 분산 차분 프라이버시(Distributed Differential Privacy, DDP)는 많은 수의 사용자가 지역적으로 구분되어 수행하는 LDP와는 달리 적은 수의 사용자 집단 내에서 보다 세밀하게 데이터를 변조하고 수집하는 방법이다. 본 논문에서는 사용자 집단 환경에 따라 포그-클라우드 컴퓨팅을 적용해 데이터 처리의 부하를 줄이고 많거나 적은 사용자 수에 따라 보다 더 유리한 데이터 수집 프레임워크를 제공하기 위해 LDP와 DDP 두 가지 방식을 통해 데이터를 변조하고 수집한다. 그리고 실험 결과를 통해 제안된 프레임워크의 유효성을 검증한다.
목차
1. 서론 12. 선행연구 43. 배경 지식 63.1. 차분 프라이버시 63.2. 지역 차분 프라이버시 73.3. 포그-클라우드 컴퓨팅 83.4. 분산 차분 프라이버시 93.5. 동형암호 134. 포그-클라우드 컴퓨팅 활용 : 스마트워치 데이터 수집 및 집계 144.1. LDP를 활용한 건강 데이터 수집 및 집계 144.1.1. 클라이언트 ? 스마트워치 사용자 계층 154.1.2. 서버 ? 포그 계층 174.1.3. 서버 ? 클라우드 계층 184.2. 실험결과 194.2.1. 실험 환경 구성 194.2.2. 수집 데이터 기반 실험결과 215. 분산 차분 프라이버시 활용 : 스마트워치 데이터 수집 및 집계 275.1. DDP를 활용한 건강 데이터 수집 및 집계 275.1.1. 클라이언트 ? 데이터 소유자 계층 285.1.2. 서버 ? 데이터 수집가 계층 305.2. 실험결과 325.2.1. 실험 환경 구성 325.2.2. 수집 데이터 기반 실험결과 346. 결론 38참고문헌 40ABSTRACT 44
최근 본 자료
댓글(0)
0