Our algorithm is “query-aware” as i

Our algorithm is “query-aware” as it takes into account the query execution cost at a database server and the query quality, i.e., the number of objects returned to users by the database server, during the location anonymization process. In particular,we develop a new cost function that balances between the query execution cost and the query quality. Then, we introduce two versions of our algorithm, namely,puregreedy and randomized greedy, that aim to minimize the developed cost function and satisfy the user specified privacy requirements. To accommodate intervals with a high workload, we introduce a shared execution paradigm that boosts the scalability of our location anonymization algorithm and the database server to support large numbers of queries received in a short time period. Extensive experimental results show that.

ผลลัพธ์ (ไทย) 1:

อัลกอริทึมของเราเป็น "แบบสอบถามตาม" มันจะเข้าบัญชีต้นทุนการดำเนินการแบบสอบถามที่เซิร์ฟเวอร์ฐานข้อมูลและแบบสอบถามคุณภาพ เช่น หมายเลขของวัตถุที่ส่งคืนให้ผู้ใช้ โดยฐานข้อมูล ระหว่าง anonymization ที่ตั้ง โดยเฉพาะอย่างยิ่ง เราพัฒนาฟังก์ชันต้นทุนใหม่ที่สมดุลระหว่างต้นทุนการดำเนินการแบบสอบถามและตรวจสอบคุณภาพแบบสอบถาม จาก นั้น เราแนะนำรุ่นสองของอัลกอริทึม ได้แก่ puregreedy และ randomized ตะกละ จุดมุ่งหมายที่จะลดฟังก์ชันต้นทุนพัฒนา และตอบสนองผู้ใช้ระบุความต้องการความเป็นส่วนตัว เพื่อรองรับช่วง ด้วยปริมาณสูง เราแนะนำกระบวนทัศน์การดำเนินการที่ใช้ร่วมกันที่ช่วยเพิ่มขนาดของเราตั้ง anonymization อัลกอริทึมและเซิร์ฟเวอร์ฐานข้อมูลเพื่อสนับสนุนจำนวนมากของแบบสอบถามที่ได้รับในช่วงเวลาสั้น ๆ ผลการทดลองอย่างละเอียดแสดงว่า

ผลลัพธ์ (ไทย) 2:

อัลกอริทึมของเราคือ "แบบสอบถามตระหนักถึง" มันคำนึงถึงค่าใช้จ่ายในการดำเนินการแบบสอบถามที่เซิร์ฟเวอร์ฐานข้อมูลและคุณภาพของแบบสอบถามคือจำนวนของวัตถุที่ส่งกลับไปยังผู้ใช้โดยเซิร์ฟเวอร์ฐานข้อมูลในระหว่างกระบวนการ anonymization สถานที่ โดยเฉพาะอย่างยิ่งเราพัฒนาฟังก์ชั่นค่าใช้จ่ายใหม่ที่สมดุลระหว่างค่าใช้จ่ายดำเนินการแบบสอบถามและคุณภาพแบบสอบถาม จากนั้นเราแนะนำสองรุ่นของอัลกอริทึมของเราคือ puregreedy และสุ่มโลภที่มีจุดมุ่งหมายเพื่อลดค่าใช้จ่ายในฟังก์ชั่นการพัฒนาและตอบสนองความต้องการของผู้ใช้ที่ระบุความเป็นส่วนตัว เพื่อรองรับช่วงเวลาที่มีปริมาณงานสูงเราแนะนำกระบวนทัศน์การดำเนินการร่วมกันที่ช่วยเพิ่มความยืดหยุ่นของอัลกอริทึม anonymization สถานที่ของเราและเซิร์ฟเวอร์ฐานข้อมูลเพื่อสนับสนุนจำนวนมากของคำสั่งที่ได้รับในช่วงเวลาสั้น ๆ ผลการทดลองแสดงให้เห็นว่ากว้างขวาง

ผลลัพธ์ (ไทย) 3:

วิธีของเราคือ " การรับรู้ " มันใช้เวลาในบัญชีต้นทุนบริหารในเซิร์ฟเวอร์ฐานข้อมูลแบบสอบถามและแบบสอบถามคุณภาพ เช่น จำนวนของวัตถุกลับมาใช้โดยเซิร์ฟเวอร์ฐานข้อมูลในสถานที่ anonymization กระบวนการ โดยเฉพาะ เราพัฒนาฟังก์ชันต้นทุนใหม่ที่สมดุลระหว่างต้นทุนบริหารคุณภาพแบบสอบถามและแบบสอบถาม จากนั้นเราแนะนำสองรุ่นนี้ของเราคือ puregreedy สุ่มและโลภ ที่มีจุดมุ่งหมายเพื่อลดต้นทุนและพัฒนาฟังก์ชันที่ผู้ใช้กำหนดความเป็นส่วนตัว ตอบสนองความต้องการ เพื่อรองรับช่วงที่มีภาระงานสูงเราแนะนำให้ใช้ตามกระบวนทัศน์ที่เพิ่ม ( ของเราที่ตั้ง anonymization ขั้นตอนวิธีและเซิร์ฟเวอร์ฐานข้อมูลที่สนับสนุนจำนวนมากของแบบสอบถามที่ได้รับในรอบระยะเวลาสั้น ๆ ผลการทดลองแสดงให้เห็นว่า
อย่างละเอียด .