論文の概要: Some Examples of Privacy-preserving Publication and Sharing of COVID-19
Pandemic Data
- arxiv url: http://arxiv.org/abs/2106.10339v3
- Date: Tue, 13 Sep 2022 21:49:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-26 08:07:01.217504
- Title: Some Examples of Privacy-preserving Publication and Sharing of COVID-19
Pandemic Data
- Title(参考訳): 新型コロナウイルス(covid-19)パンデミックデータのプライバシー保護出版と共有例
- Authors: Fang Liu, Dong Wang, Tian Yan
- Abstract要約: 我々は、パンデミック期間中に収集された3つの共通しているが異なるデータタイプを使用して、プライバシー保護の方法で、詳細な情報と個人レベルのパンデミックデータの公開と共有を図示する。
本研究では,プライバシ保証の異なるレベルにおけるシミュレーション研究を通じて,プライバシ保護情報の推論の有用性について検討し,実生活データにおけるアプローチを実証する。
- 参考スコア(独自算出の注目度): 9.514015456352265
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A considerable amount of various types of data have been collected during the
COVID-19 pandemic, the analysis and interpretation of which have been
indispensable for curbing the spread of the disease. As the pandemic moves to
an endemic state, the data collected during the pandemic will continue to be
rich sources for further studying and understanding the impacts of the pandemic
on various aspects of our society. On the other hand, na\"{i}ve release and
sharing of the information can be associated with serious privacy concerns. In
this study, we use three common but distinct data types collected during the
pandemic (case surveillance tabular data, case location data, and contact
tracing networks) to illustrate the publication and sharing of granular
information and individual-level pandemic data in a privacy-preserving manner.
We leverage and build upon the concept of differential privacy to generate and
release privacy-preserving data for each data type. We investigate the
inferential utility of privacy-preserving information through simulation
studies at different levels of privacy guarantees and demonstrate the
approaches in real-life data. All the approaches employed in the study are
straightforward to apply. Our study generates statistical evidence on the
practical feasibility of sharing pandemic data with privacy guarantees and on
how to balance the statistical utility of released information during this
process.
- Abstract(参考訳): 新型コロナウイルス(COVID-19)のパンデミックの間、さまざまな種類のデータが収集され、その分析と解釈は、感染拡大を抑制するのに不可欠である。
パンデミックが経済的な状態に移行するにつれ、パンデミックで収集されたデータは、社会の様々な側面におけるパンデミックの影響をさらに研究し理解するための豊富な情報源であり続ける。
一方、na\"{i}veは、情報の公開と共有は、重大なプライバシー上の懸念と関連付けられる可能性がある。
本研究では,パンデミック中に収集された3つの共通だが異なるデータ型(ケースサーベイランス表データ,ケースロケーションデータ,コンタクトトレーシングネットワーク)を用いて,プライバシ保護的な方法で粒度情報と個人レベルのパンデミックデータの公開と共有を説明する。
ディファレンシャルプライバシの概念を活用して,各データタイプのプライバシ保存データを生成および公開しています。
本稿では,プライバシ保証の異なるレベルにおけるシミュレーション研究を通じて,プライバシ保護情報の推測的有用性を調査し,実生活データにおけるアプローチを実証する。
研究で使用されるアプローチはすべて、簡単に適用できます。
本研究は,パンデミックデータとプライバシ保証の共有の実現可能性と,公開情報の統計的有用性をバランスさせる方法について,統計的に証明する。
関連論文リスト
- Tabular Data Synthesis with Differential Privacy: A Survey [24.500349285858597]
データ共有はコラボレーティブなイノベーションの前提条件であり、さまざまなデータセットを活用して深い洞察を得ることを可能にします。
データ合成は、実際のデータの統計特性を保存する人工データセットを生成することで、この問題に対処する。
プライバシーに配慮したデータ共有に対する、有望なアプローチとして、異なるプライベートなデータ合成が登場している。
論文 参考訳(メタデータ) (2024-11-04T06:32:48Z) - Collection, usage and privacy of mobility data in the enterprise and public administrations [55.2480439325792]
個人のプライバシーを守るためには、匿名化などのセキュリティ対策が必要である。
本研究では,現場における実践の洞察を得るために,専門家によるインタビューを行った。
我々は、一般的には最先端の差分プライバシー基準に準拠しない、使用中のプライバシー強化手法を調査した。
論文 参考訳(メタデータ) (2024-07-04T08:29:27Z) - Guarding Multiple Secrets: Enhanced Summary Statistic Privacy for Data Sharing [3.7274308010465775]
本稿では,データ共有における多極的サマリ統計量の定義,分析,保護を行う新しいフレームワークを提案する。
我々は,攻撃者がデータ公開機構のプライバシーリスクを,サマリ統計シークレットの推測に成功している最悪の確率で測定する。
論文 参考訳(メタデータ) (2024-05-22T16:30:34Z) - A Summary of Privacy-Preserving Data Publishing in the Local Setting [0.6749750044497732]
統計開示制御は、機密情報を匿名化して暴露するリスクを最小限にすることを目的としている。
マイクロデータの復号化に使用される現在のプライバシ保存技術について概説し、様々な開示シナリオに適したプライバシ対策を掘り下げ、情報損失と予測性能の指標を評価する。
論文 参考訳(メタデータ) (2023-12-19T04:23:23Z) - Preserving The Safety And Confidentiality Of Data Mining Information In Health Care: A literature review [0.0]
PPDM技術は、膨大な量のデータから実行可能な洞察を抽出することを可能にする。
機密情報の開示は患者のプライバシーを侵害する。
本稿では,プライバシ保護機構,データ保護規制,緩和戦略に関する関連研究のレビューを行う。
論文 参考訳(メタデータ) (2023-10-30T05:32:15Z) - 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) - 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) - DP2-Pub: Differentially Private High-Dimensional Data Publication with
Invariant Post Randomization [58.155151571362914]
本稿では,2つのフェーズで動作する差分プライベートな高次元データパブリッシング機構(DP2-Pub)を提案する。
属性をクラスタ内凝集度の高い低次元クラスタに分割し、クラスタ間の結合度を低くすることで、適切なプライバシ予算を得ることができる。
また、DP2-Pubメカニズムを、ローカルの差分プライバシーを満たす半正直なサーバでシナリオに拡張します。
論文 参考訳(メタデータ) (2022-08-24T17:52:43Z) - Practical Challenges in Differentially-Private Federated Survival
Analysis of Medical Data [57.19441629270029]
本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。
小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。
DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
論文 参考訳(メタデータ) (2022-02-08T10:03:24Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳(メタデータ) (2020-09-20T12:24:45Z)
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。