Téléchargement | - Voir le manuscrit accepté : Private data discovery for privacy compliance in collaborative environments (PDF, 311 Kio)
|
---|
DOI | Trouver le DOI : https://doi.org/10.1007/978-3-540-88011-0_18 |
---|
Auteur | Rechercher : Korba, Larry1; Rechercher : Wang, Yunli1; Rechercher : Geng, Liqiang1; Rechercher : Song, Ronggong1; Rechercher : Yee, George1; Rechercher : Patrick, Andrew S.1; Rechercher : Buffett, Scott1; Rechercher : Liu, Hongyu1; Rechercher : You, Yonghua1 |
---|
Affiliation | - Conseil national de recherches du Canada. Institut de technologie de l'information du CNRC
|
---|
Format | Texte, Chapitre de livre |
---|
Conférence | Cooperative Design, Visualization, and Engineering, 5th International Conference (CDVE 2008), September 21-25, 2008, Palma de Mallorca, Spain |
---|
Sujet | collaborative computing; privacy; compliance; text mining; machine learning; privacy management; informatique collaborative; confidentialité; conformité; exploration de texte; apprentissage automatique; gestion des renseignements personnels; information personnellement identifiable |
---|
Résumé | La croissance de l'utilisation des ordinateurs et d'Internet a pour effet que les organisations peuvent difficilement localiser et gérer efficacement les renseignements personnellement identifiables de nature délicate. Ce problème est encore plus évident dans des environnements informatiques collaboratifs. les données personnellement identifiables peuvent être cachées à tout endroit dans le système de fichiers d'un ordinateur. De plus, dans le cadre de diverses activités, en collaboration ou non, l'information personnellement identifiable peut migrer d'un ordinateur à un autre. Cela rend plus complexe la tâche de satisfaire aux besoins de protection de la confidentialité des organisations. Nous nous intéressons particulièrement à une technologie qui serait en mesure de découvrir automatiquement les flux de travail entre collaborateurs d'une organisation qui intégreraient des données personnelles. Comme, dans ce contexte, il est important de comprendre le lieu et le moment où les données privées sont découvertes, le présent document portera sur la découverte des données personnellement identifiables, c.-à-d. l'identification automatique de données privées se trouvant dans des documents semi-structurés et non structurés (texte en format libre). La première partie du processus consiste à relever les données personnellement identifiables au moyen de la reconnaissance d'entités nommées. La deuxième partie établit les relations entre ces entités au moyen d'une méthode d'apprentissage machine supervisé. Nous présentons les résultats obtenus au moyen de nos méthodes appliquées à des données disponibles publiquement et générées à partir de diverses activités collaboratives afin d'effectuer une évaluation de l'extensibilité dans un environnement informatique collaboratif. |
---|
Date de publication | 2008 |
---|
Maison d’édition | Springer Berlin Heidelberg |
---|
Dans | |
---|
Série | |
---|
Langue | anglais |
---|
Publications évaluées par des pairs | Oui |
---|
Numéro du CNRC | NRCC 50386 |
---|
Numéro NPARC | 8914078 |
---|
Exporter la notice | Exporter en format RIS |
---|
Signaler une correction | Signaler une correction (s'ouvre dans un nouvel onglet) |
---|
Identificateur de l’enregistrement | 5007fa13-e850-4388-a48c-7a4fb76ccedb |
---|
Enregistrement créé | 2009-04-22 |
---|
Enregistrement modifié | 2020-06-17 |
---|