論文の概要: Decentralised, privacy-preserving Bayesian inference for mobile phone
contact tracing
- arxiv url: http://arxiv.org/abs/2005.05086v1
- Date: Mon, 11 May 2020 13:13:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-20 14:14:45.200488
- Title: Decentralised, privacy-preserving Bayesian inference for mobile phone
contact tracing
- Title（参考訳）: 携帯電話接触追跡のための分散型プライバシ保護ベイズ推定
- Authors: Daniel Tang
- Abstract要約: 多くの国で、接触追跡を行うためにスマートフォンアプリの利用が準備されている。
AppleとGoogleは、iOSとAndroidにコンタクトトレーシング機能を導入する。
Apple/Googleのコンタクトトレースアルゴリズムのプライバシー保護の性質は、これらの決定の集中的なキュレーションが不可能であることを意味している。
本稿では,バイエルンのウイルス感染確率を推定する分散アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many countries are currently gearing up to use smart-phone apps to perform
contact tracing as part of the effort to manage the COVID-19 pandemic and
prevent resurgences of the disease after the initial outbreak. With the
announcement of the Apple/Google partnership to introduce contact-tracing
functionality to iOS and Android, it seems likely that this will be adopted in
many countries. An important part of the functionality of the app will be to
decide whether a person should be advised to self-isolate, be tested or end
isolation. However, the privacy preserving nature of the Apple/Google contact
tracing algorithm means that centralised curation of these decisions is not
possible so each phone must use its own "risk model" to inform decisions.
Ideally, the risk model should use Bayesian inference to decide the best course
of action given the test results of the user and those of other users. Here we
present a decentralised algorithm that estimates the Bayesian posterior
probability of viral transmission events and evaluates when a user should be
notified, tested or released from isolation while preserving user privacy. The
algorithm also allows the disease models on the phones to learn from everyone's
contact-tracing data and will allow Epidemiologists to better understand the
dynamics of the disease. The algorithm is a message passing algorithm, based on
belief propagation, so each smart-phone can be used to execute a small part of
the algorithm without releasing any sensitive information. In this way, the
network of all participating smart-phones forms a distributed computation
device that performs Bayesian inference, informs each user when they should
start/end isolation or be tested and learns about the disease from user's data.
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックの管理や感染拡大防止のため、多くの国がスマートフォンアプリを使って接触追跡を行っている。
appleとgoogleのパートナーシップにより、iosとandroidにコンタクトトレーシング機能を導入することで、多くの国で採用される可能性が高い。
アプリの機能の重要な部分は、自己分離、テスト、あるいは分離の終了をアドバイスすべきかどうかを決定することである。
しかし、apple/googleコンタクトトレースアルゴリズムのプライバシー保護性は、これらの決定の集中的なキュレーションは不可能であり、各携帯電話は独自の「リスクモデル」を使用して決定を知らせなければならないことを意味する。
理想的には、リスクモデルはベイズ推論を使用して、ユーザと他のユーザのテスト結果に基づいて、最善の行動経路を決定するべきである。
本稿では,ウイルス感染イベントのベイズ的後続確率を推定し,ユーザのプライバシを保護しながら,利用者に通知・テスト・リリースのタイミングを評価する分散アルゴリズムを提案する。
このアルゴリズムは、携帯電話の病気モデルが全員の接触追跡データから学習し、疫学者が病気のダイナミクスをよりよく理解できるようにする。
このアルゴリズムは、信条伝播に基づくメッセージパッシングアルゴリズムであり、各スマートフォンは、機密情報を公開することなく、アルゴリズムの小さな部分を実行することができる。
このようにして、参加するすべてのスマートフォンのネットワークが分散計算装置を形成し、ベイズ推論を実行し、ユーザがいつ隔離を開始するか、テストするかを通知し、ユーザのデータから病気について学習する。
関連論文リスト
- User Strategization and Trustworthy Algorithms [81.82279667028423]
ユーザストラテジゼーションがプラットフォームを短期間で支援できることが示されています。
そして、それがプラットフォームのデータを破壊し、最終的に反実的な決定を下す能力を損なうことを示します。
論文 参考訳（メタデータ） (2023-12-29T16:09:42Z) - Protect Your Score: Contact Tracing With Differential Privacy Guarantees [68.53998103087508]
プライバシーに関する懸念は、現在展開を控えている、と私たちは主張する。
本稿では,この攻撃に対して異なるプライバシー保証を有する接触追跡アルゴリズムを提案する。
特に現実的な検査シナリオでは,ウイルス感染率の2倍から10倍の低下を実現している。
論文 参考訳（メタデータ） (2023-12-18T11:16:33Z) - BU-Trace: A Permissionless Mobile System for Privacy-Preserving
Intelligent Contact Tracing [40.44797233933835]
新型コロナウイルス(COVID-19)のパンデミックは、世界にとって前例のない健康危機を引き起こしている。
デジタルコンタクトトレースに関する研究は盛んに行われているが、既存のソリューションはユーザーのプライバシーと利便性の要件を満たすことはほとんどない。
QRコードとNFC技術に基づく知的接触追跡をプライバシ保存するための無許可モバイルシステムであるBU-Traceを提案する。
論文 参考訳（メタデータ） (2021-01-24T06:11:09Z) - Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。
プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。
本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
論文 参考訳（メタデータ） (2020-10-23T17:06:07Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳（メタデータ） (2020-09-20T12:24:45Z) - An Automated Contact Tracing Approach for Controlling Covid-19 Spread
Based on Geolocation Data from Mobile Cellular Networks [5.409709616786615]
携帯電話利用者の位置情報データに基づく新型の接触追跡手法を提案する。
提案手法は,スマートフォンベースのモバイルアプリケーションを用いることなく,感染確率の高い人物の特定を支援する。
論文 参考訳（メタデータ） (2020-07-06T11:40:23Z) - Mind the GAP: Security & Privacy Risks of Contact Tracing Apps [75.7995398006171]
GoogleとAppleは共同で,Bluetooth Low Energyを使用した分散型コントラクトトレースアプリを実装するための公開通知APIを提供している。
実世界のシナリオでは、GAP設計は(i)プロファイリングに脆弱で、(ii)偽の連絡先を生成できるリレーベースのワームホール攻撃に弱いことを実証する。
論文 参考訳（メタデータ） (2020-06-10T16:05:05Z) - Decentralized Privacy-Preserving Proximity Tracing [50.27258414960402]
DP3TはSARS-CoV-2の普及を遅らせるための技術基盤を提供する。
システムは、個人やコミュニティのプライバシーとセキュリティのリスクを最小限にすることを目的としている。
論文 参考訳（メタデータ） (2020-05-25T12:32:02Z) - A Privacy-Preserving Solution for Proximity Tracing Avoiding Identifier
Exchanging [0.0]
識別子の交換を行なわず,GPSによる近接検出とBluetoothによる精度向上を両立させる手法を提案する。
関連する既存のソリューションとは異なり、複雑な暗号化メカニズムは採用されず、サーバがユーザーの位置について何も学ばないことを保証する。
論文 参考訳（メタデータ） (2020-05-20T18:48:20Z)
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。