DSpace
 

Dspace de universite Djillali Liabes de SBA >
Thèse de Doctorat en Sciences >
Informatique >

Veuillez utiliser cette adresse pour citer ce document : http://hdl.handle.net/123456789/2650

Titre: PRIVACY PRESERVING CLASSIFICATION OF BIOMEDICAL DATA
Auteur(s): BOUDHEB TARIK
encadreur: ELBERRICHI ZAKARIA
Mots-clés: : استخراج البيانات التعاونية، الحفاظ على الخصوصية، الأعداد العشوائية، مصفوفة الاحتمالات المغيرة ، إختيار البيانات ، الخوارزميات الجينية ، تنقيب البيانات
Data Mining collaboratif, Naïve Bayes distribué, Les algorithmes génétiques, Technique de hachage, Matrice de probabilité perturbée, Sélection d’attributs, Préservation de la vie privée, Valeurs aléatoires, Technique Wrapper
administrative liability, acts of sovereignty, exceptional circumstances, public authority, comparative law
Date de publication: 17-jui-2019
Résumé: ----------------------------------------------------------------------------------------------------------resume en arabe-----------------------------------------------------------------------------------------في المجال الطبي ، ترغب بعض المنظمات الصحية ، مثل المستشفيات والعيادات والمختبرات ، في توحيد قواعد بياناتها والعمل معًا لتصميم نماذج أفضل. إلا أن هذا النهج يواجه مشكلة خطيرة تتمثل في الحفاظ على خصوصية المرضى. نظرًا للقوانين الصارمة التي تدين انتهاك الخصوصية، مثل RGPD، فإن الأطراف المهتمة بتنقيبب البيانات في حيرة. إنهم يخشون أن تقع المعلومات الطبية الحساسة للمرضى في أيدي أشخاص أشرار يمكنهم أن يسببوا ضررا للمرضى والمنظمات. من خلال هذه الأطروحة، اقترحنا حلولًا أصلية وآمنة، تحترم خصوصية المرضى. فلققد قمنا بإلغاء البيانات المكررة، إختيار المعلومات المناسبة ، والتصنيف الموجه للبيانات الطبية الحيوية الخاصة ، الموزعة جغرافيا ومملوكة من قبل منظمات الصحية مختلفة. في حلولنا ، البيانات الطبية الحيوية الأصلية لا تغير لضمان السرية. وبالتالي ، حافظنا على المعلومات الأصلية والأداء الأولي لنماذج استخراج البيانات. هذا مهم للغاية في المجال الطبي لأنه يمكن إنقاذ المزيد من الأرواح ---------------------------------------------------------------------------------------------------resume en français---------------------------------------------------------------------------------------------Dans le domaine médical, des organismes de santé, tels que les hôpitaux, les cliniques et les laboratoires, souhaitent unifier leurs bases de données et collaborer ensemble pour concevoir des modèles Data Mining plus performants. Cependant, cette approche fait face à un sérieux problème qui est la protection de la vie privée des patients. A cause des lois sévères qui condamnent la violation de la vie privée, tel que le RGPD, les parties intéressées par un Data Mining collaboratif sont perplexes. Elles craignent que des informations médicales sensibles, relatives aux patients, tombent entre les mains de personnes mal intentionnées. Ces derniers peuvent porter de graves préjudices aux patients et aux organismes. A travers cette thèse, nous avons proposé des solutions originales et sécurisées, incluant le respect de la vie privée des patients. Nous avons réalisé la déduplication des enregistrements redondants, la sélection d’attributs pertinents et la classification supervisée et ce, pour des données biomédicales privées, distribuées géographiquement et appartenant à des tierces organismes de santé. Dans nos solutions, les données biomédicales, originales, ne sont pas perturbées pour garantir la confidentialité. Ainsi, l’utilité des données originales et les performances initiales des modèles Data Mining sont préservés intactes. Ceci est très important dans le domaine médical, car plus de vies humaines peuvent être sauvées. ------------------------------------------------------------------------------------------------------resume en anglais-------------------------------------------------------------------------------------------In the medical field, health organizations, such as hospitals, clinics and laboratories, want to unify their databases and work together to design better data mining models. However, this approach faces a serious problem that is the privacy of patients. Because of the harsh laws that condemn the violation of privacy, such as the RGPD, parties interested in collaborative data mining are perplexed. They fear that sensitive medical information about patients will fall into the hands of malicious people. These can cause serious harm to patients and organizations. Through this thesis, we have proposed original and secure solutions, including the respect of the patients privacy. We performed deduplication of redundant records, selection of relevant attributes, and supervised classification for private biomedical data, geographically distributed and owned by third-party health organizations. In our solutions, the original biomedical data are not disturbed to guarantee confidentiality. Thus, the usefulness of the original data and the initial performance of the Data Mining models are preserved intact. This is very important in the medical field because more lives can be saved.
Description: Doctorat en sciences
URI/URL: http://hdl.handle.net/123456789/2650
Collection(s) :Informatique

Fichier(s) constituant ce document :

Fichier Description TailleFormat
these Doctorat_Boudheb Tarik_ Privacy Preserving Classification of Biomedical Data.pdf4,31 MBAdobe PDFVoir/Ouvrir
View Statistics

Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.

 

Ce site utilise la plate-forme Dspace version 3.2-Copyright ©2014.