論文の概要: Target Privacy Threat Modeling for COVID-19 Exposure Notification
Systems
- arxiv url: http://arxiv.org/abs/2009.13300v1
- Date: Fri, 25 Sep 2020 02:09:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-01 00:24:01.725490
- Title: Target Privacy Threat Modeling for COVID-19 Exposure Notification
Systems
- Title(参考訳): 新型コロナウイルス(covid-19)暴露通知システムにおけるターゲットプライバシ脅威モデリング
- Authors: Ananya Gangavarapu, Ellie Daw, Abhishek Singh, Rohan Iyer, Gabriel
Harp, Sam Zimmerman, and Ramesh Raskar
- Abstract要約: デジタル接触追跡(DCT)技術は感染症の拡散を遅らせるのに役立っている。
倫理的技術デプロイメントとユーザ採用の両方をサポートするためには、プライバシが最前線にある必要があります。
プライバシーの喪失は重大な脅威であり、徹底的な脅威モデリングは、DCT技術が進歩するにつれて、プライバシーの強化と保護に役立ちます。
- 参考スコア(独自算出の注目度): 8.080564346335542
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The adoption of digital contact tracing (DCT) technology during the
COVID-19pandemic has shown multiple benefits, including helping to slow the
spread of infectious disease and to improve the dissemination of accurate
information. However, to support both ethical technology deployment and user
adoption, privacy must be at the forefront. With the loss of privacy being a
critical threat, thorough threat modeling will help us to strategize and
protect privacy as digital contact tracing technologies advance. Various threat
modeling frameworks exist today, such as LINDDUN, STRIDE, PASTA, and NIST,
which focus on software system privacy, system security, application security,
and data-centric risk, respectively. When applied to the exposure notification
system (ENS) context, these models provide a thorough view of the software side
but fall short in addressing the integrated nature of hardware, humans,
regulations, and software involved in such systems. Our approach addresses
ENSsas a whole and provides a model that addresses the privacy complexities of
a multi-faceted solution. We define privacy principles, privacy threats,
attacker capabilities, and a comprehensive threat model. Finally, we outline
threat mitigation strategies that address the various threats defined in our
model
- Abstract(参考訳): COVID-19パンデミックにおけるデジタルコンタクトトレーシング(DCT)技術の導入は、感染症の拡散を遅らせたり、正確な情報の拡散を改善するなど、様々なメリットを示している。
しかしながら、倫理的技術展開とユーザ採用の両方をサポートするためには、プライバシが最前線にある必要があります。
プライバシーの喪失は重大な脅威であり、デジタル接触追跡技術が進歩するにつれて、徹底的な脅威モデリングがプライバシーの強化と保護に役立ちます。
現在、LINDDUN、STRIDE、PASTA、NISTなど、ソフトウェアシステムのプライバシ、システムセキュリティ、アプリケーションセキュリティ、データ中心リスクなど、さまざまな脅威モデリングフレームワークが存在している。
露出通知システム(ENS)のコンテキストに適用すると、これらのモデルはソフトウェア側の全体像を提供するが、そのようなシステムに関わるハードウェア、人間、規制、ソフトウェアの統合性に対処するには不十分である。
我々のアプローチは、ENSsas全体を扱い、多面的ソリューションのプライバシー複雑さに対処するモデルを提供する。
プライバシの原則、プライバシの脅威、攻撃能力、包括的な脅威モデルを定義する。
最後に、モデルで定義された様々な脅威に対処する脅威緩和戦略について概説する。
関連論文リスト
- A Unified View of Differentially Private Deep Generative Modeling [60.72161965018005]
プライバシー上の懸念のあるデータには、データアクセスとデータ共有を頻繁に禁止する厳格な規制が伴う。
これらの障害を克服することは、プライバシーに敏感なデータを含む多くの現実世界のアプリケーションシナリオにおいて、技術的進歩の鍵となる。
差分的プライベート(DP)データパブリッシングは、データの衛生化された形式のみを公開する、魅力的なソリューションを提供する。
論文 参考訳(メタデータ) (2023-09-27T14:38:16Z) - Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。
具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。
本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
論文 参考訳(メタデータ) (2023-09-11T09:26:07Z) - TeD-SPAD: Temporal Distinctiveness for Self-supervised
Privacy-preservation for video Anomaly Detection [59.04634695294402]
人間の監視のないビデオ異常検出(VAD)は複雑なコンピュータビジョンタスクである。
VADのプライバシー漏洩により、モデルは人々の個人情報に関連する不必要なバイアスを拾い上げ、増幅することができる。
本稿では,視覚的プライベート情報を自己管理的に破壊する,プライバシーに配慮したビデオ異常検出フレームワークTeD-SPADを提案する。
論文 参考訳(メタデータ) (2023-08-21T22:42:55Z) - Understanding Ethics, Privacy, and Regulations in Smart Video
Surveillance for Public Safety [2.4956060473718407]
本稿では,スマートビデオサーベイランス(SVS)システムにおける倫理的・プライバシー的課題を考慮した設計の役割に焦点を当てる。
我々は、オブジェクト検出、シングルカメラとマルチカメラの再識別、アクション認識、異常検出など、いくつかの人工知能アルゴリズムを使用して、基本的な機能システムを提供する。
論文 参考訳(メタデータ) (2022-12-25T17:14:18Z) - IEEE Big Data Cup 2022: Privacy Preserving Matching of Encrypted Images
with Deep Learning [1.179179628317559]
本稿では、最先端の深層畳み込みニューラルネットワークと様々なデータ拡張技術に基づくソリューションについて述べる。
私たちのソリューションは、IEEE Big Data Cup 2022: Privacy Preserving Matching of Encrypted Images Challengeで1位を獲得しました。
論文 参考訳(メタデータ) (2022-11-18T12:20:40Z) - Privacy Threats on the Internet of Medical Things [0.0]
インターネット・オブ・メディカル・モノ(IoMT)は攻撃の標的となっている。
我々は、IoMTにおける特定のプライバシーの脅威と脅威のアクターについて簡単に議論する。
我々は、IoMTの脅威状況について、プライバシーポリシーのギャップを特定する必要があると論じている。
論文 参考訳(メタデータ) (2022-07-19T23:45:16Z) - A Review of Confidentiality Threats Against Embedded Neural Network
Models [0.0]
本稿では,組み込みディープニューラルネットワーク(DNN)モデルの機密性を標的とした攻撃について述べる。
私たちは、Side-Channel Analysis(SCA)がモデルの機密性を侵害できる比較的未踏のバイアスであるという事実を強調しています。
論文 参考訳(メタデータ) (2021-05-04T10:27:20Z) - A System for Automated Open-Source Threat Intelligence Gathering and
Management [53.65687495231605]
SecurityKGはOSCTIの収集と管理を自動化するシステムである。
AIとNLP技術を組み合わせて、脅威行動に関する高忠実な知識を抽出する。
論文 参考訳(メタデータ) (2021-01-19T18:31:35Z) - Privacy and Robustness in Federated Learning: Attacks and Defenses [74.62641494122988]
このトピックに関する最初の包括的な調査を実施します。
FLの概念の簡潔な紹介と、1脅威モデル、2堅牢性に対する中毒攻撃と防御、3プライバシーに対する推論攻撃と防御、というユニークな分類学を通じて、私たちはこの重要なトピックのアクセス可能なレビューを提供します。
論文 参考訳(メタデータ) (2020-12-07T12:11:45Z) - Digital Surveillance Systems for Tracing COVID-19: Privacy and Security
Challenges with Recommendations [1.506694204377327]
新型コロナウイルスの大量感染防止のため、社会的距離を保つよう公衆衛生措置を講じている。
ソーシャル・ディスタンシングの監視と送信の痕跡の維持のために,我々は様々なタイプのデジタル監視システムの開発を義務付けている。
本稿では,最近開発されたデジタル監視システムアプリケーションについて,そのプロトコルを世界中のいくつかの国に展開して論じる。
論文 参考訳(メタデータ) (2020-07-26T17:09:58Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳(メタデータ) (2020-05-18T07:40:49Z)
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。