ترجمه فارسی مقاله پیوند داده های حفظ حریم خصوصی در میان مجموعه داده های خصوصی و عمومی برای تحقیقات کشاورزی مشترک

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Privacy-Preserving Data Linkage Across Private and Public Datasets for Collaborative Agriculture Research
عنوان مقاله به فارسی پیوند داده های حفظ حریم خصوصی در میان مجموعه داده های خصوصی و عمومی برای تحقیقات کشاورزی مشترک
نویسندگان Osama Zafar, Rosemarie Santa Gonzalez, Gabriel Wilkins, Alfonso Morales, Erman Ayday
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Cryptography and Security,Computers and Society,یادگیری ماشین , رمزنگاری و امنیت , رایانه و جامعه ,
توضیحات Submitted 9 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 9 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Digital agriculture leverages technology to enhance crop yield, disease resilience, and soil health, playing a critical role in agricultural research. However, it raises privacy concerns such as adverse pricing, price discrimination, higher insurance costs, and manipulation of resources, deterring farm operators from sharing data due to potential misuse. This study introduces a privacy-preserving framework that addresses these risks while allowing secure data sharing for digital agriculture. Our framework enables comprehensive data analysis while protecting privacy. It allows stakeholders to harness research-driven policies that link public and private datasets. The proposed algorithm achieves this by: (1) identifying similar farmers based on private datasets, (2) providing aggregate information like time and location, (3) determining trends in price and product availability, and (4) correlating trends with public policy data, such as food insecurity statistics. We validate the framework with real-world Farmer's Market datasets, demonstrating its efficacy through machine learning models trained on linked privacy-preserved data. The results support policymakers and researchers in addressing food insecurity and pricing issues. This work significantly contributes to digital agriculture by providing a secure method for integrating and analyzing data, driving advancements in agricultural technology and development.

چکیده به فارسی (ترجمه ماشینی)

کشاورزی دیجیتال از فناوری برای تقویت عملکرد محصول ، مقاومت به بیماری و سلامت خاک استفاده می کند و نقش مهمی در تحقیقات کشاورزی دارد.با این حال ، این نگرانی های مربوط به حریم خصوصی مانند قیمت گذاری نامطلوب ، تبعیض قیمت ، هزینه های بیمه بالاتر و دستکاری در منابع را ایجاد می کند و به دلیل سوء استفاده احتمالی ، اپراتورهای مزرعه را از به اشتراک گذاشتن داده ها باز می دارد.این مطالعه یک چارچوب حفظ حریم خصوصی را معرفی می کند که ضمن امکان به اشتراک گذاری داده های ایمن برای کشاورزی دیجیتال ، این خطرات را برطرف می کند.چارچوب ما ضمن محافظت از حریم خصوصی ، تجزیه و تحلیل داده های جامع را امکان پذیر می کند.این امر به ذینفعان امکان می دهد سیاست های محور تحقیق را که پیوند داده های عمومی و خصوصی را پیوند می دهد ، مهار کنند.الگوریتم پیشنهادی این کار را توسط: (1) شناسایی کشاورزان مشابه بر اساس مجموعه داده های خصوصی ، (2) ارائه اطلاعات کل مانند زمان و مکان ، (3) تعیین روند در قیمت و در دسترس بودن محصول ، و (4) روند همبستگی با داده های سیاست عمومی به دست می آورد.، مانند آمار ناامنی غذایی.ما این چارچوب را با مجموعه داده های بازار کشاورز در دنیای واقعی تأیید می کنیم ، و اثربخشی آن را از طریق مدل های یادگیری ماشین آموزش داده شده بر روی داده های حفظ شده از حریم خصوصی نشان می دهد.این نتایج از سیاست گذاران و محققان در پرداختن به عدم امنیت غذایی و مسائل مربوط به قیمت گذاری پشتیبانی می کند.این کار با ارائه یک روش ایمن برای ادغام و تجزیه و تحلیل داده ها ، پیشرفت های رانندگی در فناوری و توسعه کشاورزی ، به کشاورزی دیجیتال کمک می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.