Fugu-MT 論文翻訳(概要): Utility-Optimized Synthesis of Differentially Private Location Traces

論文の概要: Utility-Optimized Synthesis of Differentially Private Location Traces

arxiv url: http://arxiv.org/abs/2009.06505v1
Date: Mon, 14 Sep 2020 15:07:45 GMT
ステータス: 処理完了
システム内更新日: 2022-10-18 13:08:49.485594
Title: Utility-Optimized Synthesis of Differentially Private Location Traces
Title（参考訳）: 微分プライベートな位置トレースの実用最適化合成
Authors: Mehmet Emre Gursoy, Vivekanand Rajasekar, Ling Liu
Abstract要約: 提案するOptaTraceは,差分的にプライベートな位置トレース合成のためのユーティリティ最適化およびターゲットアプローチである。我々は,OptaTraceの最適化された出力が,従来の作業に比べて実用性の向上とエラー低減をもたらすことを示す。
参考スコア（独自算出の注目度）: 10.060822510822309
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Differentially private location trace synthesis (DPLTS) has recently emerged as a solution to protect mobile users' privacy while enabling the analysis and sharing of their location traces. A key challenge in DPLTS is to best preserve the utility in location trace datasets, which is non-trivial considering the high dimensionality, complexity and heterogeneity of datasets, as well as the diverse types and notions of utility. In this paper, we present OptaTrace: a utility-optimized and targeted approach to DPLTS. Given a real trace dataset D, the differential privacy parameter epsilon controlling the strength of privacy protection, and the utility/error metric Err of interest; OptaTrace uses Bayesian optimization to optimize DPLTS such that the output error (measured in terms of given metric Err) is minimized while epsilon-differential privacy is satisfied. In addition, OptaTrace introduces a utility module that contains several built-in error metrics for utility benchmarking and for choosing Err, as well as a front-end web interface for accessible and interactive DPLTS service. Experiments show that OptaTrace's optimized output can yield substantial utility improvement and error reduction compared to previous work.
Abstract（参考訳）: Differentially private location trace synthesis (DPLTS) は、モバイルユーザーのプライバシーを保護し、位置情報の分析と共有を可能にするソリューションとして最近登場した。 DPLTSの重要な課題は、データセットの高次元性、複雑さ、不均一性を考慮し、多種多様なユーティリティの概念を考慮し、位置トレースデータセットのユーティリティを最大限に保存することである。本稿では,DPLTS に対するユーティリティ最適化とターゲットアプローチである OptaTrace を提案する。実際のトレースデータセットd、プライバシー保護の強さを制御する差分プライバシーパラメータepsilon、および、ユーティリティ/エラーメトリックerr of interest; optatraceは、ベイズ最適化を使用して、出力エラー(所定のメトリックerrで測定される)がepsilon-differential privacyが満たされている間に最小化されるdpltsを最適化する。さらに optatrace は,ユーティリティベンチマークや err の選択,アクセス可能でインタラクティブな dplts サービス用のフロントエンド web インターフェースなど,いくつかの組み込みエラーメトリクスを含むユーティリティモジュールも導入している。実験により、OptaTraceの最適化された出力は、以前の作業と比べてかなりのユーティリティ改善とエラー削減をもたらすことが示された。

関連論文リスト

Robust Utility-Preserving Text Anonymization Based on Large Language Models [80.5266278002083]
テキストの匿名化は、プライバシーを維持しながら機密データを共有するために重要である。既存の技術は、大規模言語モデルの再識別攻撃能力の新たな課題に直面している。本稿では,3つのLCMベースコンポーネント – プライバシ評価器,ユーティリティ評価器,最適化コンポーネント – で構成されるフレームワークを提案する。
論文参考訳（メタデータ） (2024-07-16T14:28:56Z)
Self-Augmented Preference Optimization: Off-Policy Paradigms for Language Model Alignment [104.18002641195442]
既存のペアデータを必要としない、効果的でスケーラブルなトレーニングパラダイムである自己拡張型優先度最適化(SAPO)を導入する。負の反応を自律的に生成するセルフプレイの概念に基づいて、我々はさらに、データ探索とエクスプロイトを強化するために、非政治的な学習パイプラインを組み込む。
論文参考訳（メタデータ） (2024-05-31T14:21:04Z)
Initial Exploration of Zero-Shot Privacy Utility Tradeoffs in Tabular Data Using GPT-4 [2.54365580380609]
グラフデータにおけるプライバシとユーティリティのトレードオフを含むシナリオに対する大規模言語モデル(LLM)の適用について検討する。提案手法では,データポイントをテキスト形式に変換して GPT-4 を促進させるとともに,正確な衛生指示をゼロショットで含める。この比較的単純なアプローチは、プライバシとユーティリティのトレードオフを管理するために使われる、より複雑な逆最適化手法に匹敵するパフォーマンスをもたらす。
論文参考訳（メタデータ） (2024-04-07T19:02:50Z)
Mean Estimation with User-Level Privacy for Spatio-Temporal IoT Datasets [5.34194012533815]
実世界のデータセット上での低い推定誤差を保証するために,ユーザレベルの差分プライベートアルゴリズムを開発した。インド都市のITMS(Intelligent Traffic Management System)データを用いて,本アルゴリズムを検証した。ファストケースデータセットにおける擬似ユーザ生成に基づくアルゴリズムの性能を,ミニマックスアプローチを用いて評価する。
論文参考訳（メタデータ） (2024-01-29T06:21:29Z)
A Privacy-Preserving Trajectory Synthesis Method Based on Vector Translation Invariance Supporting Traffic Constraints [5.178920172140948]
本稿では,トラジェクトリ間の関係に基づく集約クエリを提案し,既存の手法と比較してデータの有用性を大幅に向上させることができる。提案手法が提案するトラジェクトリは有効性が高く,理論解析により安全かつ信頼性が高いことが示された。
論文参考訳（メタデータ） (2023-10-08T09:35:36Z)
Personalized Graph Federated Learning with Differential Privacy [6.282767337715445]
本稿では、分散接続されたサーバとそのエッジデバイスが協調してデバイスやクラスタ固有のモデルを学習する、パーソナライズされたグラフフェデレーション学習(PGFL)フレームワークを提案する。本稿では、差分プライバシー、特にノイズシーケンスがモデル交換を行うゼロ集中差分プライバシーを利用するPGFL実装の変種について検討する。分析の結果,このアルゴリズムは,ゼロ集中型差分プライバシーの観点から,全クライアントの局所的な差分プライバシを保証することがわかった。
論文参考訳（メタデータ） (2023-06-10T09:52:01Z)
Learning Dynamic Compact Memory Embedding for Deformable Visual Object Tracking [82.34356879078955]
本稿では,セグメント化に基づく変形可能な視覚追跡手法の識別を強化するために,コンパクトなメモリ埋め込みを提案する。 DAVIS 2017ベンチマークでは,D3SやSiamMaskなどのセグメンテーションベースのトラッカーよりも優れている。
論文参考訳（メタデータ） (2021-11-23T03:07:12Z)
An automatic differentiation system for the age of differential privacy [65.35244647521989]
Tritiumは、微分プライベート(DP)機械学習(ML)のための自動微分ベース感度分析フレームワークである我々は、微分プライベート(DP)機械学習(ML)のための自動微分に基づく感度分析フレームワークTritiumを紹介する。
論文参考訳（メタデータ） (2021-09-22T08:07:42Z)
JUMBO: Scalable Multi-task Bayesian Optimization using Offline Data [86.8949732640035]
追加データをクエリすることで制限をサイドステップするMBOアルゴリズムであるJUMBOを提案する。 GP-UCBに類似した条件下では, 応答が得られないことを示す。実世界の2つの最適化問題に対する既存手法に対する性能改善を実証的に示す。
論文参考訳（メタデータ） (2021-06-02T05:03:38Z)
LSTM-TrajGAN: A Deep Learning Approach to Trajectory Privacy Protection [2.1793134762413437]
データ共有と公開のためのプライバシー保護型合成軌道データを生成するエンド・ツー・エンドのディープラーニングモデルを提案する。本モデルは,実世界のセマンティック・トラジェクトリ・データセット上でのトラジェクトリ・ユーザ・リンクタスクに基づいて評価される。
論文参考訳（メタデータ） (2020-06-14T03:04:19Z)
Model Inversion Networks for Model-Based Optimization [110.24531801773392]
スコアから入力への逆写像を学習するモデル反転ネットワーク(MIN)を提案する。 MINは高次元の入力空間にスケールでき、コンテキスト最適化と非コンテキスト最適化の両方にオフラインログデータを利用する。我々は,ベイズ最適化の文献から,画像やタンパク質の設計に対する高次元モデルベース最適化問題,ログデータからのコンテキスト的帯域最適化といったタスクのMINを評価した。
論文参考訳（メタデータ） (2019-12-31T18:06:49Z)

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。