Resumen

La consulta de distancias medias es til para aplicaciones del mundo real, como la toma de decisiones empresariales y el diagnstico mdico, ya que puede ayudar al responsable de la toma de decisiones a comprender mejor los datos de los usuarios en una base de datos. Sin embargo, la privacidad es cada vez ms preocupante. En la actualidad, las personas sufren graves fugas de privacidad procedentes de diversos tipos de fuentes, especialmente los proveedores de servicios, que ofrecen una proteccin insuficiente de los datos privados de los usuarios. En este artculo, descubrimos un nuevo tipo de ataque en una consulta de distancia media (consulta AVGD) con resultados ruidosos. El ataque es tan general que puede utilizarse para revelar datos privados de diferentes dimensiones. Analizamos tericamente cmo afectan los distintos factores a la precisin del ataque y proponemos el mecanismo de preservacin de la privacidad basado en el anlisis. Experimentamos con dos conjuntos de datos reales para demostrar la viabilidad y gravedad del ataque. Los resultados muestran que la gravedad del ataque depende principalmente de factores como la magnitud del ruido, el nmero de consultas y el nmero de usuarios en cada consulta. Adems, validamos la correccin de nuestro anlisis terico comparndolo con los resultados experimentales y confirmamos la eficacia del mecanismo de preservacin de la privacidad.

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Consulta de distancias medias; Aplicaciones reales; Fuga de privacidad; Consulta de distancias medias; Mecanismo de preservación de la privacidad; Resultados experimentales.
• Keywords:Querying average distances; Real-world applications; Privacy leakage; Average-distance query; Privacy-preserving mechanism; Experimental results