論文の概要: PPContactTracing: A Privacy-Preserving Contact Tracing Protocol for COVID-19 Pandemic

• arxiv url: http://arxiv.org/abs/2008.06648v1
• Date: Sat, 15 Aug 2020 04:20:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-06 04:57:26.917693
• Title: PPContactTracing: A Privacy-Preserving Contact Tracing Protocol for COVID-19 Pandemic
• Title（参考訳）: PPContactTracing: 新型コロナウイルスパンデミックのためのプライバシ保護コンタクト追跡プロトコル
• Authors: Priyanka Singh, Abhishek Singh, Gabriel Cojocaru, Praneeth Vepakomma, Ramesh Raskar
• Abstract要約: 本研究では,グローバルなパンデミックの拡散を効果的に追跡するための,プライバシ保護型コンタクトトレースプロトコルを提案する。 このプロトコルはプライベート・セット・交差点(PSI)プロトコルに基づいており、各レベルでのプライバシーを守るために同型プロパティを利用する。
• 参考スコア（独自算出の注目度）: 15.226455367474433
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Several contact tracing solutions have been proposed and implemented all around the globe to combat the spread of COVID-19 pandemic. But, most of these solutions endanger the privacy rights of the individuals and hinder their widespread adoption. We propose a privacy-preserving contact tracing protocol for the efficient tracing of the spread of the global pandemic. It is based on the private set intersection (PSI) protocol and utilizes the homomorphic properties to preserve the privacy at the individual level. A hierarchical model for the representation of landscapes and rate-limiting factor on the number of queries have been adopted to maintain the efficiency of the protocol.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)の感染拡大に対抗するため、世界中の接触追跡ソリューションが提案され、実施されている。 しかし、これらのソリューションのほとんどは個人のプライバシーの権利を危険にさらし、広く採用されるのを妨げる。 我々は,世界的なパンデミックの感染拡大を効率的に追跡するためのプライバシ保全型連絡先追跡プロトコルを提案する。 これはprivate set intersection (psi)プロトコルに基づいており、個人レベルでプライバシを維持するために準同型プロパティを利用する。 プロトコルの効率を維持するために,ランドスケープ表現のための階層モデルとクエリ数に対するレート制限係数が採用されている。

関連論文リスト

• Enhancing Feature-Specific Data Protection via Bayesian Coordinate Differential Privacy [55.357715095623554]
  ローカル微分プライバシー(LDP)は、ユーザーが外部の関係者を信頼することなく、強力なプライバシー保証を提供する。 本稿では,ベイジアン・フレームワークであるベイジアン・コーディネート・ディファレンシャル・プライバシ(BCDP)を提案する。
  論文  参考訳（メタデータ） (2024-10-24T03:39:55Z)
• Provable Privacy Guarantee for Individual Identities and Locations in Large-Scale Contact Tracing [4.436902019991021]
  本稿では,PrevENTと呼ばれる高度にスケーラブルで実用的な接触追跡システムを提案する。 様々な位置収集手法を用いて、人の軌跡を網羅的に把握することができる。 システムは非常に効率的で、数百万の場所を持つ大規模データセットに対してリアルタイムのクエリサービスを提供できる。
  論文  参考訳（メタデータ） (2024-09-18T22:19:48Z)
• 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)
• Optimal Private Discrete Distribution Estimation with One-bit Communication [63.413106413939836]
  1ビット通信制約を伴う個別分布推定問題を考える。 1ビット通信制約下での最悪のトレードオフの1次を特徴付ける。 これらの結果は,1ビット通信制約下でのプライバシユーティリティトレードオフの最適依存性を示す。
  論文  参考訳（メタデータ） (2023-10-17T05:21:19Z)
• DPMAC: Differentially Private Communication for Cooperative Multi-Agent Reinforcement Learning [21.961558461211165]
  コミュニケーションは、人間社会とマルチエージェント強化学習(MARL)における協力の基礎となる。 本稿では,各エージェントに厳密な$(epsilon, delta)$-differential privacy guaranteeを付与したローカルメッセージ送信装置を装備することにより,個々のエージェントのセンシティブな情報を保護できる,テキスト・ディペンデンシャル・プライベート・マルチエージェント・コミュニケーション(DPMAC)アルゴリズムを提案する。 我々は、プライバシ保護通信と協調的なMARLにおけるナッシュ均衡の存在を証明し、この問題がゲーム理論的に学習可能であることを示唆する。
  論文  参考訳（メタデータ） (2023-08-19T04:26:23Z)
• Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
  垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。 我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
  論文  参考訳（メタデータ） (2022-07-19T05:47:30Z)
• Quantifying the Privacy-Utility Trade-offs in COVID-19 Contact Tracing Apps [18.39014710445465]
  新型コロナウイルス(COVID-19)を封じ込めるために採用されているいくつかのアプローチについてレビューする。 具体的には、技術、アーキテクチャ、トレードオフ(プライバシ対ユーティリティ)といったいくつかの特性に基づいて、利用可能なテクニックを分類する。 本稿では,接触追跡アプリケーションのプライバシー利用度評価の質的評価と定量的評価の両方を用いて,プライバシ評価のための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-12-24T01:37:07Z)
• Private Reinforcement Learning with PAC and Regret Guarantees [69.4202374491817]
  エピソード強化学習(RL)のためのプライバシー保護探索ポリシーを設計する。 まず、共同微分プライバシー(JDP)の概念を用いた有意義なプライバシー定式化を提供する。 そこで我々は,強いPACと後悔境界を同時に達成し,JDP保証を享受する,プライベートな楽観主義に基づく学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-09-18T20:18:35Z)
• Give more data, awareness and control to individual citizens, and they will help COVID-19 containment [74.10257867142049]
  連絡先追跡アプリは、多くの国で大規模採用が提案されている。 中央集権的なアプローチは、市民のプライバシーと不必要に強力なデジタル監視に対する懸念を提起する。 我々は、個人の「個人データストア」にのみ連絡先と位置情報を収集する分散的アプローチを提唱する。
  論文  参考訳（メタデータ） (2020-04-10T20:30:37Z)
• Assessing Disease Exposure Risk with Location Data: A Proposal for Cryptographic Preservation of Privacy [10.527218766532192]
  政府と研究者は、新型コロナウイルス(COVID-19)の感染拡大を抑えるために、デジタル接触追跡ソリューションを実装している。 これらのソリューションの多くは、個人の権利とプライバシを脅かす。 個人のプライバシを保ちながら、感染症に感染するリスクを評価し、伝えるための代替アプローチを提供する。
  論文  参考訳（メタデータ） (2020-03-31T17:56:30Z)

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。