Privacy becomes a more and more serious concern in applications involving microdata. Recently, efficient anonymization has attracted much research work. Most of the previous methods use global recoding, which maps the domains of the quasi-identifier attributes to generalized or changed values. However, global recoding may not always achieve effective anonymization in terms of discernability and query answering accuracy using the anonymized data. Moreover, anonymized data is often for analysis. As well accepted in many analytical applications, different attributes in a data set may have different utility in the analysis. The utility of attributes has not been considered in the previous methods.In this paper, we study the problem of utility-based anonymization. First, we propose a simple framework to specify utility of attributes. The framework covers both numeric and categorical data. Second, we develop two simple yet efficient heuristic local recoding methods for utility-based anonymization. Our extensive performance study using both real data sets and synthetic data sets shows that our methods outperform the state-of-the-art multidimensional global recoding methods in both discernability and query answering accuracy. Furthermore, our utility-based method can boost the quality of analysis using the anonymized data.

In this paper, a fast steering mirror (FSM) stabilization system is proposed for a refraction displacement pulse sequence beam-combining (PSBC) technique. The FSM system can effectively suppress pointing jitter in the PSBC and achieve high beam-quality laser output. A proof-of-principle experiment on the PSBC with FSM is performed with three ∼100W pulsed beams. The experimental results indicate that a combined output power of 302.5 W is achieved, corresponding to a high combining efficiency of 98.7%. Meanwhile, excellent pointing stability with root mean square pointing jitter = 4.2 µrad is confirmed with a beam quality β of 2.

The introduction and establishment of non-indigenous species (NIS) through global ship movements is a significant threat to marine ecosystems and economies. While ballast-vectored invasions have been partly addressed by some national policies and an international agreement regulating the concentrations of organisms in ballast water, biofouling-vectored invasions remain a large risk. Development of additional realistic and cost-effective ship-borne NIS policies requires an accurate estimation of NIS spread risk from both ballast water and biofouling. In this paper, we demonstrate that first-order Markov assumptions limit accurate modeling of NIS spread risks through the global shipping network. In contrast, we show that higher-order patterns overcome this limitation by revealing indirect pathways of NIS transfer. We accomplish this by developing Species Flow Higher-Order Networks (SF-HON), which we developed independently for ballast and biofouling, for comparison with first-order Markovian models of ballast and biofouling. We evaluated SF-HON predictions using the largest available datasets of invasive species for Europe and the United States. We show that not only does SF-HON yield more accurate NIS spread risk predictions than first-order models and existing higher-order models, but also that there are important differences in NIS spread via the ballast and biofouling vectors. Our work provides information that policymakers can use to develop more efficient and targeted prevention strategies for ship-borne NIS spread management, especially as management of biofouling is of increasing concern.