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
- 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) - Generating Private Synthetic Data with Genetic Algorithms [29.756119782419955]
基礎となる機密データセットの統計特性を近似した微分プライベートな合成データを効率的に生成する問題について検討する。
ゼロ階最適化に基づく遺伝的アルゴリズムであるPrivate-GSDを提案する。
そこで,Private-GSDは,非微分クエリにおいて,微分可能なクエリを近似する精度で,最先端の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-06-05T21:19:37Z) - Private Set Generation with Discriminative Information [63.851085173614]
異なるプライベートなデータ生成は、データプライバシの課題に対する有望な解決策である。
既存のプライベートな生成モデルは、合成サンプルの有用性に苦慮している。
我々は,最先端アプローチのサンプルユーティリティを大幅に改善する,シンプルで効果的な手法を提案する。
論文 参考訳(メタデータ) (2022-11-07T10:02:55Z) - Over-the-Air Federated Learning with Privacy Protection via Correlated
Additive Perturbations [57.20885629270732]
我々は、複数のユーザ/エージェントからエッジサーバへの勾配更新をOtA(Over-the-Air)で送信することで、無線フェデレーション学習のプライバシー面を考察する。
従来の摂動に基づく手法は、トレーニングの精度を犠牲にしてプライバシー保護を提供する。
本研究では,エッジサーバにおけるプライバシリークの最小化とモデル精度の低下を目標とする。
論文 参考訳(メタデータ) (2022-10-05T13:13:35Z) - Transformer-based assignment decision network for multiple object
tracking [0.0]
本稿では,データアソシエーションに取り組むトランスフォーマーベースのアサインメント決定ネットワーク(TADN)について,推論中に明示的な最適化を必要とせずに紹介する。
提案手法は,トラッカーとしての単純な性質にもかかわらず,ほとんどの評価指標において最先端の手法よりも優れている。
論文 参考訳(メタデータ) (2022-08-06T19:47:32Z) - 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。