Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Computer Science and Mathematical Modelling

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: inference attacks

Sortuj według:

Ogranicz wyniki do:

Evaluating adaptive differential privacy model

Dzięgielewska Olga

Computer Science and Mathematical Modelling

2021

No. 13-14

5--16

Differential privacy is a statistical disclosure control that is gaining popularity in recent years due to easy application for the data collection mechanisms. Many variants of differential privacy are being developed for specific use cases and environments. One of them is adaptive differential privacy that modulates the generated noise in such a way, that the retrieved result is affected according to the risk profile of the asked query and the risk-accuracy tradeoff required for the queried database. This paper intends to evaluate the adaptive differential privacy using VIOLAS Framework and through assessing how the security characteristics satisfied by the adaptive differential privacy mitigate the risk of selected inference attacks.

Prywatność różnicowa to metoda ochrony statystycznych baz danych, która w ostatnich latach zyskuje popularność ze względu na łatwość jej zastosowania dla mechanizmów gromadzenia danych. Istnieje wiele wariantów prywatności różnicowej dla konkretnych przypadków i środowisk użycia. Jednym z wariantów jest adaptacyjna prywatność różnicowa, która moduluje generowany szum w zależności od profilu ryzyka zadanego zapytania oraz wybranego poziomu kompromisu między ryzykiem a dokładnością wyniku dla przeszukiwanej bazy danych. Artykuł ma na celu ocenę adaptacyjnej prywatności różnicowej, wykorzystując VIOLAS Framework i analizę tego, w jaki sposób charakterystyki bezpieczeństwa zapewniane przez adaptacyjną prywatność różnicową zmniejszają ryzyko wybranych ataków wnioskowaniem.

Anonymization, tokenization, encryption : how to recover unrecoverable data

Dzięgielewska O

Computer Science and Mathematical Modelling

2017

No. 6

9--13

The data privacy is currently vastly commented topic among all the organizations which process personal data due to the introduction of the European Union’s General Data Protection Regulation. Existing methods of data protection are believed to be sufficient as they meet the risk-based approach requirements in every mature organization, yet the number of publicly known data breaches confirms that this assumption is false. The aftermath of such incidents in countless cases prove that the risk-based approach failed as the reputational and financial consequences by far exceed the original estimations. This paper stressed the importance of the data layer protection from the planning, through design, until maintenance stages in the database lifecycle, as numerous attack vectors originating from the insider threat and targeting the data layer still sneak through unnoticed during the risk analysis phase.

Prywatność danych jest obecnie szeroko komentowana wśród wszystkich organizacji przetwarzających dane osobowe w związku z wprowadzeniem Rozporządzenia o Ochronie Danych Osobowych. Często zakłada się, że istniejące metody ochrony danych są wystarczające, ponieważ spełniają wymagania podejścia opartego na analizie ryzyka, w którym to koszt metod ochrony nie może przekroczyć wartości zasobu, w tym przypadku danych. Jednak liczba publicznie znanych przypadków wycieków danych potwierdza, że założenie to jest niepoprawne. Następstwa tego rodzaju incydentów bezpieczeństwa w niezliczonych przypadkach dowodzą, że podejście oparte na ryzyku nie spełniło swojej roli, ponieważ konsekwencje związane z utratą reputacji i stratami finansowymi znacznie przekraczają pierwotne szacowania. W artykule podkreśla się znaczenie ochrony warstwy danych od planowania, przez projektowanie, aż do etapów utrzymania w cyklu życia bazy danych, ponieważ liczne wektory ataku mające źródło wewnątrz organizacji i skierowane na warstwę danych wciąż przechodzą niezauważone podczas analizy ryzyka.