論文の概要: An Empirical Evaluation of Bluetooth-based Decentralized Contact Tracing
in Crowds
- arxiv url: http://arxiv.org/abs/2011.04322v3
- Date: Fri, 5 Nov 2021 02:52:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-24 21:26:30.054264
- Title: An Empirical Evaluation of Bluetooth-based Decentralized Contact Tracing
in Crowds
- Title（参考訳）: 集団におけるBluetoothによる分散型コンタクトトラクションの実証評価
- Authors: Hsu-Chun Hsiao, Chun-Ying Huang, Shin-Ming Cheng, Bing-Kai Hong,
Hsin-Yuan Hu, Chia-Chien Wu, Jian-Sin Lee, Shih-Hong Wang, Wei Jeng
- Abstract要約: 本研究は, 参加者80名を対象に, 群集環境におけるBluetoothによる接触追跡の有効性を実証的に検討した。
結果,Bluetooth RSSIは近接検出には信頼性が低く,特に混み合っている環境では不正確性が悪化することが確認された。
既存の接触追跡アプリは、粗い粒度の近接検出に焦点を合わせるために再利用できることを推奨する。
- 参考スコア（独自算出の注目度）: 7.469941131704084
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital contact tracing is being used by many countries to help contain
COVID-19's spread in a post-lockdown world. Among the various available
techniques, decentralized contact tracing that uses Bluetooth received signal
strength indication (RSSI) to detect proximity is considered less of a privacy
risk than approaches that rely on collecting absolute locations via GPS,
cellular-tower history, or QR-code scanning. As of October 2020, there have
been millions of downloads of such Bluetooth-based contract-tracing apps, as
more and more countries officially adopt them. However, the effectiveness of
these apps in the real world remains unclear due to a lack of empirical
research that includes realistic crowd sizes and densities. This study aims to
fill that gap, by empirically investigating the effectiveness of
Bluetooth-based contact tracing in crowd environments with a total of 80
participants, emulating classrooms, moving lines, and other types of real-world
gatherings. The results confirm that Bluetooth RSSI is unreliable for detecting
proximity, and that this inaccuracy worsens in environments that are especially
crowded. In other words, this technique may be least useful when it is most in
need, and that it is fragile when confronted by low-cost jamming. Moreover,
technical problems such as high energy consumption and phone overheating caused
by the contact-tracing app were found to negatively influence users'
willingness to adopt it. On the bright side, however, Bluetooth RSSI may still
be useful for detecting coarse-grained contact events, for example, proximity
of up to 20m lasting for an hour. Based on our findings, we recommend that
existing contact-tracing apps can be re-purposed to focus on coarse-grained
proximity detection, and that future ones calibrate distance estimates and
adjust broadcast frequencies based on auxiliary information.
- Abstract（参考訳）: 新型コロナウイルスの感染拡大を抑えるため、多くの国でデジタル接触追跡が使われている。
様々な技術のうち、bluetooth受信信号強度表示(rssi)を使用して近接を検知する分散コンタクトトレースは、gps、セルラートワー履歴、qrコードスキャンによる絶対位置の収集に依存するアプローチよりもプライバシーリスクが低いと考えられている。
2020年10月現在、Bluetoothベースの契約トレーディングアプリのダウンロード数は数百万回に達しており、多くの国で正式に採用されている。
しかし、現実の世界におけるこれらのアプリの有効性は、現実的な群衆サイズや密度を含む経験的研究が欠如しているため、まだ明らかではない。
本研究の目的は,参加者80名を対象に,Bluetoothによる接触追跡の有効性を実証的に検証し,教室,移動線,その他の現実世界の集まりをエミュレートすることである。
その結果,Bluetooth RSSIは近接検出には信頼性が低く,特に混み合っている環境では不正確性が悪化することが確認された。
言い換えれば、このテクニックは、最も必要である場合や、低コストのジャミングに直面した場合には脆弱である場合において、最も有用ではないかもしれない。
さらに,接触追跡アプリによる高エネルギー消費や過熱といった技術的問題も,ユーザの採用意欲に悪影響を及ぼすことがわかった。
しかし明るい面では、Bluetooth RSSIは粗い接触イベントを検知するのにも有用かもしれない。
以上の結果に基づき,既存のコンタクトトラッキングアプリは粗い近接検出に焦点を合わせ,将来は距離推定を校正し,補助情報に基づいて放送周波数を調整することを推奨した。
関連論文リスト
- Bridging the Gap Between End-to-End and Two-Step Text Spotting [88.14552991115207]
ブリッジングテキストスポッティングは、2段階のメソッドでエラーの蓄積と最適化性能の問題を解決する新しいアプローチである。
提案手法の有効性を広範囲な実験により実証する。
論文 参考訳（メタデータ） (2024-04-06T13:14:04Z) - DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。
本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文 参考訳（メタデータ） (2022-12-31T16:48:43Z) - Improving Proximity Estimation for Contact Tracing using a Multi-channel
Approach [1.3404503606887717]
近接推定を改善するためのマルチチャネル手法を提案する。
我々は,BLEとIEEE 802.11信号に基づく分類モデルを開発し,評価した。
IEEE 802.11のプローブ要求に基づく実装では、プライバシーの問題や制限にも遭遇しました。
論文 参考訳（メタデータ） (2022-01-25T15:45:23Z) - Benchmarking high-fidelity pedestrian tracking systems for research,
real-time monitoring and crowd control [55.41644538483948]
実生活環境における高忠実な歩行者追跡は,群集動態研究において重要なツールである。
この技術が進歩するにつれて、社会においても益々有用になってきている。
歩行者追跡技術の研究と技術に成功させるためには、正確さの検証とベンチマークが不可欠である。
我々は、プライバシーに配慮した歩行者追跡技術のためのベンチマークスイートをコミュニティのオープンスタンダードに向けて提示し、議論する。
論文 参考訳（メタデータ） (2021-08-26T11:45:26Z) - GoCoronaGo: Privacy Respecting Contact Tracing for COVID-19 Management [5.8374365691194114]
スマートフォンで利用可能なBluetooth技術を用いたコンタクトトラッキング用デジタルアプリが世界中で普及している。
私たちが開発したGoCoronaGoの機関間接触追跡アプリと、意識的かつ時には反抗的な設計選択について説明する。
我々は、デジタルコンタクトの追跡と分析のための研究機会とオープンな課題を、それらから構築された時間的ネットワーク上で強調する。
論文 参考訳（メタデータ） (2020-09-10T14:59:59Z) - Mind the GAP: Security & Privacy Risks of Contact Tracing Apps [75.7995398006171]
GoogleとAppleは共同で,Bluetooth Low Energyを使用した分散型コントラクトトレースアプリを実装するための公開通知APIを提供している。
実世界のシナリオでは、GAP設計は(i)プロファイリングに脆弱で、(ii)偽の連絡先を生成できるリレーベースのワームホール攻撃に弱いことを実証する。
論文 参考訳（メタデータ） (2020-06-10T16:05:05Z) - Epidemic contact tracing with smartphone sensors [0.8594140167290096]
そこで本研究では,スマートフォンのセンサを6つ組み合わせたモデルを提案する。
さまざまな現実的環境における我々のアプローチを実証的に検証し、最大95%の偽陽性率、Bluetoothのみのシステムよりも62%の精度で達成できたことを実証した。
論文 参考訳（メタデータ） (2020-05-29T19:29:46Z) - Decentralized Privacy-Preserving Proximity Tracing [50.27258414960402]
DP3TはSARS-CoV-2の普及を遅らせるための技術基盤を提供する。
システムは、個人やコミュニティのプライバシーとセキュリティのリスクを最小限にすることを目的としている。
論文 参考訳（メタデータ） (2020-05-25T12:32:02Z) - Do we need a Contact Tracing App? [2.4772925032796937]
ウイルスの拡散に伴う接触追跡の基礎を概観し、その数値を新型コロナウイルスのケースに文脈的に分類し、Bluetooth Low Energyを用いた近接検出技術の現状を分析した。
我々の貢献は、現在の技術を用いてウイルスの拡散を遅らせる際の接触追跡アプリの利点の科学的証拠があるかどうかを評価することである。
論文 参考訳（メタデータ） (2020-05-20T16:50:57Z) - Coronavirus Contact Tracing: Evaluating The Potential Of Using Bluetooth
Received Signal Strength For Proximity Detection [14.749535590735965]
本報告では,Bluetooth Low Energy (LE) の受信信号強度を携帯端末上で測定する。
また,Bluetooth LEの受信信号強度は,端末の相対方向によって大きく異なることがわかった。
このことから,Bluetooth LE受信信号強度に基づく近接検出のための精度の高い手法の開発が困難である可能性が示唆された。
論文 参考訳（メタデータ） (2020-05-19T13:51:23Z) - Drone-based RGB-Infrared Cross-Modality Vehicle Detection via
Uncertainty-Aware Learning [59.19469551774703]
ドローンによる車両検出は、空中画像中の車両の位置とカテゴリーを見つけることを目的としている。
我々はDroneVehicleと呼ばれる大規模ドローンベースのRGB赤外線車両検出データセットを構築した。
私たちのDroneVehicleは28,439RGBの赤外線画像を収集し、都市道路、住宅地、駐車場、その他のシナリオを昼から夜までカバーしています。
論文 参考訳（メタデータ） (2020-03-05T05:29:44Z)
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。