為減少推論機敏資料設計以資料相依性控制存取權

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：99

、訪客IP：18.223.239.250

姓名

賴彥丞(Yen-Cheng Lai) 查詢紙本館藏

畢業系所

資訊工程學系

論文名稱

為減少推論機敏資料設計以資料相依性控制存取權
(To Reduce the Inference of Sensitive Data, Design Access Control by Data Dependency)

相關論文

★ 應用自組織映射圖網路及倒傳遞網路於探勘通信資料庫之潛在用戶	★ 基於社群網路特徵之企業電子郵件分類
★ 行動網路用戶時序行為分析	★ 社群網路中多階層影響力傳播探勘之研究
★ 以點對點技術為基礎之整合性資訊管理及分析系統	★ 在分散式雲端平台上對不同巨量天文應用之資料區域性適用策略研究
★ 應用資料倉儲技術探索點對點網路環境知識之研究	★ 從交易資料庫中以自我推導方式探勘具有多層次FP-tree
★ 建構儲存體容量被動遷徙政策於生命週期管理系統之研究	★ 應用服務探勘於發現複合服務之研究
★ 利用權重字尾樹中頻繁事件序改善入侵偵測系統	★ 有效率的處理在資料倉儲上連續的聚合查詢
★ 入侵偵測系統：使用以函數為基礎的系統呼叫序列	★ 有效率的在資料方體上進行多維度及多層次的關聯規則探勘
★ 在網路學習上的社群關聯及權重之課程建議	★ 在社群網路服務中找出不活躍的使用者

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

對後端資訊系統而言，目前對個人資料保護的要求與手段，是將機敏性資料隔絕使
一般大眾不能直接取得。至少就我們近來接觸到的高教校務研究，乃至一般公家機關的
公開資料，對於間接由一些非敏感性公開資料，拼湊推論而推論出機敏性資料的可能，
一直並沒有討論與面對。
在美國雖有「馬賽克理論」與相關案例，對間接推論行為有訂定資料保護權責，但
保護手段並沒有積極研究。若長此以往不面對處理，可能抑制資訊保有者彼此整合交流
與公開，使資訊片面破碎，而社會空有豐富資訊卻不能有意義的全盤了解與分析。
本研究探索功能相依性，據此得出能推論機敏資料的高風險屬性集合，並藉由這些
高風險屬性集合比對使用者在查詢時是否存在機敏資料推論行為，從而加以防範保護。

摘要(英)

From the back-end data system point of view, the primary personal information protection
mechanism is to block the direct accessing of sensitive data. We have observed the related issues
in fields of Institutional Research, as well as governments’ information publication. And the
possibility that sensitive data may be indirectly inferenced by public information, have not been
addressed.
In United States, there are cases and discussions about “Mosaic theory”. And
responsibilities of data holders were legally stated. But no known researches were invested to
create a responsible mechanism. This may lead to a situation where data holders will not
willingly integrate, exchange, and publish their data. Our society may not be able to
comprehensively understand ourselves and conduct effective analysis, even though we do have
huge volume oh data.
This research explores the functional dependencies, and compute risky column sets based
on them. We can then process users’ queries and initiate protection operation if risky data are
involved.

關鍵字(中)

★ 資料推論
★ 功能相依性
★ 資訊系統安全控制
★ 馬賽克理論
★ 個人資料保護

關鍵字(英)

★ data inference
★ functional dependency
★ information system security control
★ mosaic theory
★ personal information protection

論文目次

摘要 I
ABSTRACT II
誌謝 III
目錄 IV
圖目錄 LIST OF FIGURES VI
表目錄 LIST OF TABLES VII
1 一、緒論 1
1-1 研究背景 1
1-2 研究動機與目的 2
1-3 章節介紹 3
2 二、文獻探討 4
2-1 功能相依性(FUNCTIONAL DEPENDENCY) 4
2-2 去識別化(DE-IDENTIFICATION) 5
2-3 格狀遍歷(LATTICE TRAVERSAL) 6
2-4 探索功能相依性演算法(FDS DISCOVERY ALGORITHMS) 9
2-5 基數比(CARDINALITY RATIO) 11
2-6 資料亂度熵 (ENTROPY) 12
2-7 中央大學資料庫使用與規範 13
2-8 隱私保護(PRIVACY PRESERVATION) 15
3 三、系統架構 16
3-1 系統流程 16
3-2 探索功能相依性子系統(DISCOVERY FUNCTIONAL DEPENDENCY SYSTEM) 16
3-3 使用者介面(USER INTERFACE) 17
3-4 高風險資料比對系統(HIGH RISK DATA COMPARISON SYSTEM) 17
3-5 資料庫 17
4 四、研究方法 18
4-1 資料前處理 19
4-2 定義預設敏感層級 20
4-3 找出高風險屬性集合 21
4-3-1 挑選功能相依性功能相依者欄位 22
4-3-2 挑選功能相依性相依決定者欄位集合 23
4-3-3 結果輸出 28
4-4 比對間接機敏資料推論行為 29
4-4-1 輸入資料前處理：解析使用者查詢屬性欄位 29
4-4-2 使用的資料表、選擇的屬性、查詢條件的屬性三者差異 30
4-4-3 多資料表的比對機制 31
5 五、實作 32
5-1 定義資料敏感層級與探索功能相依性 33
5-2-1 登入介面 36
5-2-2 語法查詢介面 37
5-3 解析SQL查詢與比對間接資料推論 42
6 六、結論 46
參考文獻 47

參考文獻

〔1〕Kerr, O. S. (2012, 4). The Mosaic Theory of the Fourth Amendment. 111 Michigan Law Review 311 (2012)., p. 44.
〔2〕United States v. Jones。取自網路http://volokh.com/2012/03/18/more-cases-on-the-mosaic-theory-and-the-implications-of-jones/
〔3〕Mannila, H., & Räihä, K.-J. (1994, 2). Algorithms for inferring functional dependencies from relations. Data & Knowledge Engineering, pp. 83-99.
〔4〕去識別化。取自網路https://nvlpubs.nist.gov/nistpubs/ir/2015/NIST.IR.8053.pdf
〔5〕Lattice取自網路。https://en.wikipedia.org/wiki/Lattice_(order)
〔6〕Papenbrock, T., Ehrlich, J., & Marten, J. (2015, June). Functional dependency discovery: an experimental evaluation of seven algorithms. The Proceedings of the VLDB Endowment (PVLDB), pp. 1082-1093.
〔7〕Huhtala, Y., Kärkkäinen, J., Porkka, P., & Toivonen, H. (1999, Jan). Tane: An Efficient Algorithm for Discovering Functional and Approximate Dependencies. The Computer Journal, 42(2), pp. 100 - 111.

〔8〕Kivinen, J., & Mannila, H. (2005). Approximate dependency inference from relations. International Conference on Database Theory (pp. 86-98). Berlin: Heidelberg.
〔9〕Kivinen, J., & Mannila, H. (1995). Approximate inference of functional dependencies from relations. Theoretical Computer Science (pp. 129-149). Elsevier B.V.
〔10〕Abedjan, Z., Schulze, P., & Naumann, F. (2014). DFD: Efficient Functional Dependency Discovery. Proceedings of the 23rd ACM International Conference on Conference on Information and Knowledge Management (pp. 949-958). Shanghai, China: ACM.
〔11〕cardinality。取自網路https://en.wikipedia.org/wiki/Cardinality https://en.wikipedia.org/wiki/Cardinality_(SQL_statements)
〔12〕cardinal numbers。取自網路https://en.wikipedia.org/wiki/Cardinal_number
〔13〕entropy。取自網路https://zh.wikipedia.org/wiki/%E7%86%B5_(%E4%BF%A1%E6%81%AF%E8%AE%BA)
〔14〕Quinlan, J. R. C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers, 1993.
〔15〕個人資料保護法。取自網路http://www.kmh.moj.gov.tw/ct.asp?xItem=195519&ctNode=5277&mp=008
〔16〕校務研究規範。取自網路http://ir.ncu.edu.tw/images/%E6%A0%A1%E5%8B%99%E7%A0%94%E7%A9%B6%E8%B3%87%E6%96%99%E7%B3%BB%E7%B5%B1%E5%BB%BA%E7%BD%AE%E5%8F%8A%E4%BD%BF%E7%94%A8%E4%BD%9C%E6%A5%AD%E8%A6%81%E9%BB%9E%E8%88%87%E6%B5%81%E7%A8%8B%E5%9C%961071001.pdf?fbclid=IwAR23QFcA9hbP7c3z5bkNbBcawiNLlts3wlVAO0KregwdpbhiBHwG49L_E8I
〔17〕Bertino, E., Byun, J.-W., & Li, N. (2004). Privacy-Preserving Database Systems. International School on Foundations of Security Analysis and Design (pp. 178-206). Berlin: Heidelberg.
〔18〕Olumofin, F., & Goldberg, I. (2010). Privacy-Preserving Queries over Relational Databases. International Symposium on Privacy Enhancing Technologies Symposium (pp. 75-92). Berlin: Heidelberg.
〔19〕Apriori演算法。取自網路https://en.wikipedia.org/wiki/Apriori_algorithm

指導教授

蔡孟峰(Meng-Feng Tsai)

審核日期

2019-7-26

推文