从已清理的数据库中恢复私人自闭症数据集,使用从增强的联合PSO-GWO框架中生成的优化密钥.
Md Mokhlesur Rahman1, Ravie Chandren Muniyandi2, Shahnorbanun Sahran3
1Centre for Cyber Security, Faculty of Information Science and Technology, Universiti Kebangsaan Malaysia, 43600 UKM, Bangi, Selangor, Malaysia. mmarks_cse@yahoo.com.
Scientific reports
|July 9, 2024
概括
保护敏感的自闭症数据至关重要. 这项研究引入了一种新的方法,使用来自增强组合PSO-GWO框架的最佳密钥来准确地恢复自闭症数据,增强安全性和隐私.
科学领域:
- 计算机科学 计算机科学
- 医疗信息学 医疗信息学
- 数据安全 数据安全
背景情况:
- 及时识别自闭症谱系障碍 (ASD) 对儿童发展至关重要.
- 为诊断而共享敏感的自闭症数据引发了严重的安全和隐私问题.
- 现有的匿名化方法难以准确地恢复数据并防止泄露.
研究的目的:
- 介绍一种新的方法,以改善自闭症敏感数据集的数据恢复.
- 在传输和存储过程中增强自闭症数据的安全性和隐私性.
- 为了解决与传统数据恢复过程相关的准确性缺陷.
主要方法:
- 使用了由增强组合粒子优化-灰狼优化器 (PSO-GWO) 框架生成的最佳密钥.
- 应用生成的密钥用于消毒 (隐藏数据) 和恢复 (恢复数据).
- 使用相同的最佳密钥来提高从清理数据集中恢复原始数据的准确性.
主要成果:
- 在自闭症数据恢复实验中实现了极具竞争力的准确性,达到高达99.90%.
- 与现有的元启发式算法相比,在各种数据集中表现出卓越的性能.
- 特别是在30个月的自闭症儿童数据集上表现优于其他方法.
结论:
- 拟议的方法显著提高了自闭症数据恢复的安全性和隐私性.
- 增强的综合PSO-GWO框架有效地产生了强大的数据保护的最佳关键.
- 这种方法为准确和安全地处理与自闭症相关的敏感信息提供了有希望的解决方案.
更多相关视频
09:38Generalized Psychophysiological Interaction PPI Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer's Disease
Published on: November 14, 2017
14.9K
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
1.0K
