論文の概要: Identifying and Supporting Financially Vulnerable Consumers in a Privacy-Preserving Manner: A Use Case Using Decentralised Identifiers and Verifiable Credentials

• arxiv url: http://arxiv.org/abs/2106.06053v1
• Date: Thu, 10 Jun 2021 21:05:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 01:42:04.720419
• Title: Identifying and Supporting Financially Vulnerable Consumers in a Privacy-Preserving Manner: A Use Case Using Decentralised Identifiers and Verifiable Credentials
• Title（参考訳）: 財務的に脆弱な消費者をプライバシー保護方法で特定・支援する:分散識別子と検証可能な資格情報を用いたユースケース
• Authors: Tasos Spiliotopoulos, Dave Horsfall, Magdalene Ng, Kovila Coopamootoo, Aad van Moorsel, Karen Elliott
• Abstract要約: 脆弱性のある個人は、合理的な金銭的決定と選択を行う能力に制限がある。 本稿では、金融の脆弱な消費者を特定するために、分散ID(Decentralized Identifiers)とVC(Verifiable Credentials)の2つの新興技術の組み合わせの可能性を検討する。
• 参考スコア（独自算出の注目度）: 0.19573380763700707
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vulnerable individuals have a limited ability to make reasonable financial decisions and choices and, thus, the level of care that is appropriate to be provided to them by financial institutions may be different from that required for other consumers. Therefore, identifying vulnerability is of central importance for the design and effective provision of financial services and products. However, validating the information that customers share and respecting their privacy are both particularly important in finance and this poses a challenge for identifying and caring for vulnerable populations. This position paper examines the potential of the combination of two emerging technologies, Decentralized Identifiers (DIDs) and Verifiable Credentials (VCs), for the identification of vulnerable consumers in finance in an efficient and privacy-preserving manner.
• Abstract（参考訳）: 脆弱性のある個人は、合理的な金融決定と選択を行う能力に制限があるため、金融機関が提供すべきケアのレベルは他の消費者が必要とするものとは異なる可能性がある。 したがって、金融サービスや製品の設計と効果的な提供において、脆弱性の特定が重要となる。 しかし、顧客がプライバシを共有し、尊重する情報を検証することは、金融において特に重要である。 本稿では、分散ID(Decentralized Identifiers)とVC(Verifiable Credentials)の2つの新興技術の組み合わせが、金融の脆弱な消費者を効率的かつプライバシー保護的に識別する可能性について検討する。

関連論文リスト

• DPFedBank: Crafting a Privacy-Preserving Federated Learning Framework for Financial Institutions with Policy Pillars [0.09363323206192666]
  本稿では、金融機関が協調して機械学習モデルを開発できるようにする革新的なフレームワークDPFedBankについて述べる。 DPFedBankは、金融データに関連するユニークなプライバシとセキュリティ上の課題に対処するために設計されている。
  論文  参考訳（メタデータ） (2024-10-17T16:51:56Z)
• MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
  本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。 本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。 以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2024-10-13T18:16:50Z)
• Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
  我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。 このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。 適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
  論文  参考訳（メタデータ） (2024-03-21T14:48:37Z)
• Towards Financially Inclusive Credit Products Through Financial Time Series Clustering [10.06218778776515]
  財政的包摂は消費支出を増大させ、結果として事業開発を加速させる。 消費者取引データに基づく顧客セグメンテーションは、ファイナンシャルインクルージョンを促進するためによく知られた戦略である。 本稿では,顧客の財務状況を理解するための時系列クラスタリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-16T20:40:30Z)
• Transparency and Privacy: The Role of Explainable AI and Federated Learning in Financial Fraud Detection [0.9831489366502302]
  本研究は,これらの課題に対処するために,FL(Federated Learning)とXAI(Explainable AI)を用いた新しいアプローチを提案する。 FLは、金融機関が顧客データを直接共有することなく、不正取引を検出するモデルを協調的に訓練することを可能にする。 XAIは、モデルによってなされた予測が人間の専門家によって理解され解釈され、システムに透明性と信頼のレイヤを追加することを保証します。
  論文  参考訳（メタデータ） (2023-12-20T18:26:59Z)
• Blockchain-Based Decentralized Knowledge Marketplace Using Active Inference [0.0]
  著者らは、ブロックチェーンやアクティブ推論、ゼロ知識証明などのテクノロジを取り入れた、ナレッジマーケットプレースのための分散フレームワークを提示する。 提案された分散化フレームワークは、マーケットプレース内のエンティティをマッピングする効率的なマッピングメカニズムを提供するだけでなく、さまざまな利害関係者間で知識とサービスを共有するためのよりセキュアで制御された方法も提供する。
  論文  参考訳（メタデータ） (2022-10-04T15:37:31Z)
• Differential Privacy and Fairness in Decisions and Learning Tasks: A Survey [50.90773979394264]
  プライバシーと公正が目標と一致したり、対照的になったりした条件をレビューする。 意思決定問題や学習タスクにおいて、DPが偏見や不公平を悪化させる理由と理由を分析します。
  論文  参考訳（メタデータ） (2022-02-16T16:50:23Z)
• Trustworthy AI [75.99046162669997]
  入力データの小さな敵対的変化への脆さ、決定の説明能力、トレーニングデータのバイアスに対処する能力は、最も顕著な制限である。 我々は,AIシステムに対するユーザおよび公的な信頼を高める上での6つの重要な問題に対処するために,信頼に値するAIに関するチュートリアルを提案する。
  論文  参考訳（メタデータ） (2020-11-02T20:04:18Z)
• PCAL: A Privacy-preserving Intelligent Credit Risk Modeling Framework Based on Adversarial Learning [111.19576084222345]
  本稿では,PCAL(Adversarial Learning)に基づくプライバシ保護型信用リスクモデリングの枠組みを提案する。 PCALは、ターゲット予測タスクのパフォーマンスの重要なユーティリティ情報を維持しながら、元のデータセット内のプライベート情報を隠蔽することを目的としている。 結果は,PCALがユーザデータから効果的なプライバシフリー表現を学習し,信用リスク分析のためのプライバシ保存機械学習の基盤となることを示唆している。
  論文  参考訳（メタデータ） (2020-10-06T07:04:59Z)
• Differentially Private and Fair Deep Learning: A Lagrangian Dual Approach [54.32266555843765]
  本稿では,個人の機密情報のプライバシを保護するとともに,非差別的予測器の学習を可能にするモデルについて検討する。 この方法は、微分プライバシーの概念と、公正性制約を満たすニューラルネットワークの設計にラグランジアン双対性(Lagrangian duality)を用いることに依存している。
  論文  参考訳（メタデータ） (2020-09-26T10:50:33Z)

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。