論文の概要: Detrimental Network Effects in Privacy: A Graph-theoretic Model for Node-based Intrusions

• arxiv url: http://arxiv.org/abs/1803.09007v2
• Date: Wed, 15 Mar 2023 20:23:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-25 04:49:18.547821
• Title: Detrimental Network Effects in Privacy: A Graph-theoretic Model for Node-based Intrusions
• Title（参考訳）: プライバシにおける有害ネットワーク効果:ノードベースの侵入に対するグラフ理論モデル
• Authors: Florimond Houssiau, Piotr Sapiezynski, Laura Radaelli, Erez Shmueli, Yves-Alexandre de Montjoye
• Abstract要約: 比例性はデータ保護法の長所の1つですが、現代のデータ収集の到達度を評価するための堅牢なフレームワークは今のところ欠如しています。 本稿では,ネットワークデータ収集の到達範囲を定量化するためのグラフ理論モデルとノード・エッジ・オブザーバビリティの概念を提案する。
• 参考スコア（独自算出の注目度）: 7.645269319726434
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite proportionality being one of the tenets of data protection laws, we currently lack a robust analytical framework to evaluate the reach of modern data collections and the network effects at play. We here propose a graph-theoretic model and notions of node- and edge-observability to quantify the reach of networked data collections. We first prove closed-form expressions for our metrics and quantify the impact of the graph's structure on observability. Second, using our model, we quantify how (1) from 270,000 compromised accounts, Cambridge Analytica collected 68.0M Facebook profiles; (2) from surveilling 0.01\% the nodes in a mobile phone network, a law-enforcement agency could observe 18.6\% of all communications; and (3) an app installed on 1\% of smartphones could monitor the location of half of the London population through close proximity tracing. Better quantifying the reach of data collection mechanisms is essential to evaluate their proportionality.
• Abstract（参考訳）: 比例性はデータ保護法の典型のひとつですが、現代のデータコレクションとネットワーク効果の限界を評価するための強固な分析フレームワークが現在欠如しています。 本稿では,ネットワークデータ収集の到達範囲を定量化するためのグラフ理論モデルとノード・エッジ・オブザーバビリティの概念を提案する。 まず、我々のメトリクスに対する閉形式表現を証明し、そのグラフ構造が可観測性に与える影響を定量化する。 第二に、170,000の不正アカウントから、Cambridge Analyticaが68.0MのFacebookプロフィールを収集し、(2)携帯電話ネットワークのノードを0.01\%監視することから、法執行機関が全通信の18.6\%を観察し、(3)スマートフォンの1\%にインストールされたアプリが、近距離追跡によってロンドン人口の半分の位置情報を監視できるようになった。 データ収集機構の到達範囲の定量化は、その比例性を評価する上で不可欠である。

関連論文リスト

• Enhancing Graph Neural Networks in Large-scale Traffic Incident Analysis with Concurrency Hypothesis [2.3379022809760763]
  本稿では,交通インシデント予測タスクにおける一般グラフニューラルネットワーク(GNN)モデルの予測能力を高めるために,CP法を提案する。 提案手法により,GNNは仮説に示すような同時インシデント情報を,無視可能な余分なパラメータによるトークン化によって組み込むことができる。 米国内の州や都市にまたがる実世界のデータを活用する大規模な実験は、CPを12の最先端のGNNアーキテクチャに統合することで、大幅な改善をもたらすことを実証している。
  論文  参考訳（メタデータ） (2024-11-04T19:22:33Z)
• Conformal Prediction for Federated Graph Neural Networks with Missing Neighbor Information [2.404163279345609]
  本研究は,連合グラフ学習へのコンフォーマル予測の適用性を拡張した。 分散サブグラフにおけるリンク不足問題に対処し、CPセットサイズに対する悪影響を最小限に抑える。 本稿では,欠落したデータに対する負の影響を軽減するために,変分オートエンコーダに基づく近隣住民の再構築手法を提案する。
  論文  参考訳（メタデータ） (2024-10-17T20:22:25Z)
• Edge-Enabled Anomaly Detection and Information Completion for Social Network Knowledge Graphs [1.4223082738595538]
  法執行機関は、上記データを解析することにより、社会保障を効果的に維持し、犯罪行為を正確に対処することができる。 ディープラーニングモデルは、クラウドセンターの堅牢な計算能力に依存し、データ特徴の抽出とデータの推測において高い精度を示す。 低レイテンシエッジコンピューティングアーキテクチャは、ノードの比較的弱い計算能力とストレージ容量のために、直接デプロイの制限に直面している。
  論文  参考訳（メタデータ） (2024-01-13T09:27:37Z)
• A Survey on Privacy in Graph Neural Networks: Attacks, Preservation, and Applications [76.88662943995641]
  グラフニューラルネットワーク(GNN)は、グラフ構造化データを扱う能力のため、大きな注目を集めている。 この問題に対処するため、研究者らはプライバシー保護のGNNの開発を開始した。 この進歩にもかかわらず、攻撃の包括的概要と、グラフドメインのプライバシを保存するためのテクニックが欠如している。
  論文  参考訳（メタデータ） (2023-08-31T00:31:08Z)
• Model Inversion Attacks against Graph Neural Networks [65.35955643325038]
  グラフニューラルネットワーク(GNN)に対するモデル反転攻撃について検討する。 本稿では,プライベートトレーニンググラフデータを推測するためにGraphMIを提案する。 実験の結果,このような防御効果は十分ではないことが示され,プライバシー攻撃に対するより高度な防御が求められている。
  論文  参考訳（メタデータ） (2022-09-16T09:13:43Z)
• Privacy-Preserving Epidemiological Modeling on Mobile Graphs [17.085245461105863]
  プライバシー保護型疫学モデリングフレームワークRIPPLEについて述べる。 PIR-SUMも提案する。
  論文  参考訳（メタデータ） (2022-06-01T14:51:17Z)
• GraphMI: Extracting Private Graph Data from Graph Neural Networks [59.05178231559796]
  GNNを反転させてトレーニンググラフのプライベートグラフデータを抽出することを目的とした textbfGraph textbfModel textbfInversion attack (GraphMI) を提案する。 具体的には,グラフ特徴の空間性と滑らかさを保ちながら,グラフエッジの離散性に対処する勾配モジュールを提案する。 エッジ推論のためのグラフトポロジ、ノード属性、ターゲットモデルパラメータを効率的に活用するグラフ自動エンコーダモジュールを設計する。
  論文  参考訳（メタデータ） (2021-06-05T07:07:52Z)
• OR-Net: Pointwise Relational Inference for Data Completion under Partial Observation [51.083573770706636]
  この作業はリレーショナル推論を使って不完全なデータを埋めます。 本稿では,2つの点での相対性理論をモデル化するために,全関係ネットワーク (or-net) を提案する。
  論文  参考訳（メタデータ） (2021-05-02T06:05:54Z)
• Spectral Embedding of Graph Networks [76.27138343125985]
  ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。 埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
  論文  参考訳（メタデータ） (2020-09-30T04:59:10Z)
• Adversarial Attack on Community Detection by Hiding Individuals [68.76889102470203]
  我々はブラックボックス攻撃に焦点をあて、ディープグラフコミュニティ検出モデルの検出からターゲット個人を隠すことを目的としている。 本稿では,制約付きグラフ生成器として動作するモジュールと,サロゲート型コミュニティ検出モデルとして動作するモジュールを交互に更新する反復学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-22T09:50:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。