dc.contributor.advisor | Astorga Burgo, Jasone | |
dc.contributor.advisor | Huarte Arrayago, Maider | |
dc.contributor.author | Otaño Ceballos, Peru | |
dc.date.accessioned | 2017-11-02T14:53:44Z | |
dc.date.available | 2017-11-02T14:53:44Z | |
dc.date.issued | 2017-07 | |
dc.date.submitted | 2017-07 | |
dc.identifier.other | TFG 2017-182 | |
dc.identifier.uri | http://hdl.handle.net/10810/23286 | |
dc.description.abstract | [EU]Proiektu honen helburua gaur-egun anonimizaziorako existitzen diren teknikei bu-ruzko ikasketa bat egitea da, Big Data ingurunean duten aplikazioa ikusteko. Publikatzen diren datu-baseen konfidentzialtasuna babesteko helburua dute teknika horiek, ezauga-rri nabarmenak orokortuz edo ezabatuz. Aldi berean Machine Learning algoritmoei bu-ruzko ikasketa bat egingo da, anonimizazio teknika horiek automatizatzeko eta horien eraginkortasuna handitzeko. Gaur egungo gizarteak sortzen dituen datu kantitate izuga-rriak babestea oso garrantzitsua da. Era berean, anonimizazio lana era automatikoan egingo duen tresna bat kodetuko da, aurreko teknikak erabiliz. Azkenik, tresna horren funtzionamendua eta abiadura probatuz. | es_ES |
dc.description.abstract | [EN]The aim of this project is the study of the existing anonymization techniques for in-formation data bases and their application to Big Data scenarios and the study of Ma-chine Learning algorithms to automate those and optimize those techniques. The tech-niques try to protect the confidentiality of the published data bases, through the suppre-ssion or generalization of sensible attributes. It is of great concern the protection of the vast information generated nowadays. During the project it will also be codified a tool for making possible an automatic easy anonymization of data bases, using Big Data tech-niques. Finally, is intended to test the tool. | es_ES |
dc.description.abstract | [ES]El objetivo de este proyecto es el estudio de las técnicas existentes para la anonimi-zación de bases de datos y su aplicación en escenarios Big Data. Estas técnicas intentan proteger la confidencialidad de las bases de datos publicadas, mediante la supresión o generalización delos atributos sensibles. Al mismo tiempo se estudian algoritmos de Ma-chine Learning, para automatizar y optimizar dichas técnicas.Es importante proteger la gran cantidad de datos que diariamente se genera la sociedad. También se codifica una herramienta que permite anonimizar de forma fácil y automática bases de datos, utili-zando técnicas propias de los escenarios BigData. Finalmente, dicha herramienta se so-mete a pruebas. | es_ES |
dc.language.iso | eus | es_ES |
dc.rights | info:eu-repo/semantics/restrictedAccess | es_ES |
dc.subject | anonimizaziorako ikasketa | es_ES |
dc.subject | Big Data | es_ES |
dc.subject | datu baseen konfidentzialtasuna | es_ES |
dc.subject | Machine Learning algoritmoa | es_ES |
dc.title | Anonimizazio automatikoa Big Data ingurunean | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
dc.contributor.degree | Grado en Ingeniería en Tecnología de Telecomunicación;; Telekomunikazio Teknologiaren Ingeniaritzako Gradua | |