論文の概要: Spatial Privacy Pricing: The Interplay between Privacy, Utility and
Price in Geo-Marketplaces
- arxiv url: http://arxiv.org/abs/2008.11817v2
- Date: Fri, 4 Sep 2020 01:11:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 04:17:47.418017
- Title: Spatial Privacy Pricing: The Interplay between Privacy, Utility and
Price in Geo-Marketplaces
- Title（参考訳）: 空間的プライバシ価格:地理市場におけるプライバシ、ユーティリティ、価格の相互作用
- Authors: Kien Nguyen, John Krumm, Cyrus Shahabi
- Abstract要約: プライバシーに関心のあるユーザーは、位置情報を正確に特定するデータに対してより多くの料金を請求するかもしれない。
買い手はデータコストを最小限に抑えることを好むが、必要なレベルの精度を得るためにはより多くの費用を費やす必要があるかもしれない。
これをプライバシ、ユーティリティ、価格空間のプライバシ価格の相互作用と呼んでいる。
- 参考スコア（独自算出の注目度）: 14.466602643062142
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A geo-marketplace allows users to be paid for their location data. Users
concerned about privacy may want to charge more for data that pinpoints their
location accurately, but may charge less for data that is more vague. A buyer
would prefer to minimize data costs, but may have to spend more to get the
necessary level of accuracy. We call this interplay between privacy, utility,
and price \emph{spatial privacy pricing}. We formalize the issues
mathematically with an example problem of a buyer deciding whether or not to
open a restaurant by purchasing location data to determine if the potential
number of customers is sufficient to open. The problem is expressed as a
sequential decision making problem, where the buyer first makes a series of
decisions about which data to buy and concludes with a decision about opening
the restaurant or not. We present two algorithms to solve this problem,
including experiments that show they perform better than baselines.
- Abstract（参考訳）: ジオマーケットプレースでは、ユーザーは位置情報の料金を支払うことができる。
プライバシーに関心のあるユーザーは、位置情報を正確に特定するデータに対してより多くの料金を請求するかもしれない。
買い手はデータコストを最小限に抑えることを好むが、必要なレベルの正確さを得るためにもっと多くの時間を費やす必要がある。
これをプライバシ、ユーティリティ、価格と空間的プライバシ価格の相互作用と呼んでいる。
本研究では,店舗の店舗の開店の有無を位置情報で決定する購入者の事例問題を用いて数学的に定式化し,店舗の開店可否を判定する。
問題はシーケンシャルな意思決定問題として表現され、購入者が最初に購入するデータについて一連の決定を行い、レストランをオープンするかどうかを判断する。
この問題を解決するために,ベースラインよりも優れた性能を示す実験を含む2つのアルゴリズムを提案する。
関連論文リスト
- From "I have nothing to hide" to "It looks like stalking": Measuring Americans' Level of Comfort with Individual Mobility Features Extracted from Location Data [0.24999074238880484]
位置情報収集は、スマートフォンがユビキタスになるにつれて広まりつつある。
データアグリゲータとデータブローカは、個々の位置情報データへのアクセスを提供する。
FTCはまた、位置情報の消費者プライバシを活発に規制し始めた。
論文 参考訳（メタデータ） (2025-02-08T20:34:18Z) - An Instrumental Value for Data Production and its Application to Data Pricing [107.98697414652479]
本稿では,データ生成プロセスのインストゥルメンタルな価値を捉えるためのアプローチを開発する。
情報経済学における情報設計と信号の古典的概念とどのように結びつくかを示す。
論文 参考訳（メタデータ） (2024-12-24T03:53:57Z) - Where you go is who you are -- A study on machine learning based
semantic privacy attacks [3.259843027596329]
本稿では,2つの攻撃シナリオ,すなわち位置分類とユーザプロファイリングを体系的に分析する。
Foursquareのデータセットと追跡データの実験は、高品質な空間情報の悪用の可能性を示している。
以上の結果から,追跡データや空間文脈データのデータベース化のリスクが指摘される。
論文 参考訳（メタデータ） (2023-10-26T17:56:50Z) - Making Differential Privacy Easier to Use for Data Controllers using a Privacy Risk Indicator [5.288762073608111]
差分プライバシー(DP)は個人データ分析を可能にするが、実際は利用が困難である。
典型的なDPデプロイメントでは、データコントローラは個人の機密データを管理し、データアナリストのクエリに応答する責任を持つ。
それらはプライバシ損失予算である$epsilon$を選択し、クエリ出力にどの程度のノイズを加えるかを制御する。
論文 参考訳（メタデータ） (2023-10-19T19:01:27Z) - A Survey of Data Pricing for Data Marketplaces [77.3189288320768]
本稿では,既存のデータ価格研究の現状を概観する。
我々の重要な貢献は、データ価格を決定する異なる属性を統一するデータ価格研究の新しい分類である。
論文 参考訳（メタデータ） (2023-03-07T04:35:56Z) - On Differential Privacy and Adaptive Data Analysis with Bounded Space [76.10334958368618]
差分プライバシーと適応データ分析の2つの関連分野の空間複雑性について検討する。
差分プライバシーで効率的に解くために指数関数的に多くの空間を必要とする問題Pが存在することを示す。
アダプティブデータ分析の研究の行は、アダプティブクエリのシーケンスに応答するのに必要なサンプルの数を理解することに焦点を当てている。
論文 参考訳（メタデータ） (2023-02-11T14:45:31Z) - The Fair Value of Data Under Heterogeneous Privacy Constraints in
Federated Learning [26.53734856637336]
本稿では,公正性の公理的定義に基づいて,ユーザのプライバシレベルでデータを補償するtextitfairの量を提案する。
また、ユーザのためのプライバシレベルオプションを備えたプラットフォームに対して、不均一なフェデレーション付き学習問題を定式化します。
論文 参考訳（メタデータ） (2023-01-30T23:51:03Z) - Smooth Anonymity for Sparse Graphs [69.1048938123063]
しかし、スパースデータセットを共有するという点では、差分プライバシーがプライバシのゴールドスタンダードとして浮上している。
本研究では、スムーズな$k$匿名性(スムーズな$k$匿名性)と、スムーズな$k$匿名性(スムーズな$k$匿名性)を提供する単純な大規模アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-07-13T17:09:25Z) - Privacy Amplification via Shuffling for Linear Contextual Bandits [51.94904361874446]
ディファレンシャルプライバシ(DP)を用いた文脈線形バンディット問題について検討する。
プライバシのシャッフルモデルを利用して,JDP と LDP のプライバシ/ユーティリティトレードオフを実現することができることを示す。
以上の結果から,ローカルプライバシを保ちながらシャッフルモデルを活用することで,JDPとDPのトレードオフを得ることが可能であることが示唆された。
論文 参考訳（メタデータ） (2021-12-11T15:23:28Z) - Privacy-Preserving Dynamic Personalized Pricing with Demand Learning [25.40475405419857]
我々は、ポスト価格とパーソナライズされた情報の求人需要機能を備えた動的価格問題を考える。
第三者エージェントは、相手の価格体系の変更からパーソナライズされた情報と購入決定を推測することができる。
動的価格問題に合わせた$(servingvarepsilon, delta)$-differential privacyを導入します。
論文 参考訳（メタデータ） (2020-09-27T18:32:34Z) - PGLP: Customizable and Rigorous Location Privacy through Policy Graph [68.3736286350014]
我々はPGLPと呼ばれる新しい位置プライバシーの概念を提案し、カスタマイズ可能で厳格なプライバシー保証を備えたプライベートロケーションをリリースするためのリッチなインターフェースを提供する。
具体的には,ユーザの位置プライバシー要件を,表現的かつカスタマイズ可能なテキスト配置ポリシーグラフを用いて形式化する。
第3に、位置露光の検出、ポリシーグラフの修復、およびカスタマイズ可能な厳格な位置プライバシーを備えたプライベートな軌跡リリースをパイプライン化する、プライベートな位置トレースリリースフレームワークを設計する。
論文 参考訳（メタデータ） (2020-05-04T04:25:59Z)
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。