論文の概要: Ride Sharing & Data Privacy: An Analysis of the State of Practice
- arxiv url: http://arxiv.org/abs/2110.09188v2
- Date: Tue, 19 Oct 2021 10:16:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-11 04:16:58.145549
- Title: Ride Sharing & Data Privacy: An Analysis of the State of Practice
- Title(参考訳): ライドシェアリングとデータプライバシ - 実践状況の分析
- Authors: Carsten Hesselmann, Jan Gertheiss, J\"org P. M\"uller
- Abstract要約: 私たちは、人気のライドシェアサービスがどのようにユーザーのプライバシーを扱い、現在の状況を評価するかを分析した。
結果は、サービスにはさまざまな個人データが含まれており、プライバシー関連の機能は限られていることを示している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Digital services like ride sharing rely heavily on personal data as
individuals have to disclose personal information in order to gain access to
the market and exchange their information with other participants; yet, the
service provider usually gives little to no information regarding the privacy
status of the disclosed information though privacy concerns are a decisive
factor for individuals to (not) use these services. We analyzed how popular
ride sharing services handle user privacy to assess the current state of
practice. The results show that services include a varying set of personal data
and offer limited privacy-related features.
- Abstract(参考訳): ライドシェアリングのようなデジタルサービスは、個人が市場にアクセスし、他の参加者と情報を交換するために個人情報を開示しなければならないため、個人情報に大きく依存している。
我々は、ライドシェアリングサービスがユーザーのプライバシーをどのように扱うかを分析し、現状を評価した。
その結果、サービスにはさまざまな個人データが含まれており、プライバシー関連の機能は限られていることがわかった。
関連論文リスト
- Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。
ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
論文 参考訳(メタデータ) (2023-04-06T05:20:16Z) - How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。
プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
論文 参考訳(メタデータ) (2022-11-18T11:39:03Z) - Privacy Explanations - A Means to End-User Trust [64.7066037969487]
この問題に対処するために、説明可能性がどのように役立つかを検討しました。
私たちはプライバシーの説明を作成し、エンドユーザの理由と特定のデータが必要な理由を明らかにするのに役立ちました。
我々の発見は、プライバシーの説明がソフトウェアシステムの信頼性を高めるための重要なステップであることを示している。
論文 参考訳(メタデータ) (2022-10-18T09:30:37Z) - A Self-aware Personal Assistant for Making Personalized Privacy
Decisions [3.988307519677766]
本稿では、ディープラーニングを用いて、そのプライバシーラベルに基づいてコンテンツを分類するパーソナルアシスタントを提案する。
リスクファクタや自身のラベルなど、ユーザのプライバシに対する自身の理解をファクタリングすることで、パーソナルアシスタントはユーザ毎のレコメンデーションをパーソナライズすることができる。
論文 参考訳(メタデータ) (2022-05-13T10:15:04Z) - "I need a better description'': An Investigation Into User Expectations
For Differential Privacy [31.352325485393074]
差分プライバシーに関連するユーザのプライバシ期待について検討する。
ユーザが関心を持っているのは、差分プライバシーが保護する情報漏洩の種類だ。
差分プライバシを記述する方法が,ユーザプライバシの期待を必然的に設定していることが分かりました。
論文 参考訳(メタデータ) (2021-10-13T02:36:37Z) - Investigating Personalisation-Privacy Paradox Among Young Irish
Consumers: A Case of Smart Speakers [0.0]
本研究では、スマートスピーカーの文脈におけるパーソナライズとプライバシのパラドックスについて検討する。
これは、プライバシーリスクとそれに対応するプライバシー保護行動に対する認識の観点から、スマートスピーカーのユーザと非ユーザの違いを示唆している。
論文 参考訳(メタデータ) (2021-08-23T05:39:08Z) - Personal Data Gentrification [5.127089848246933]
私たちは、最も価値の高いサービスが金銭ではなく個人データで支払われる時代を生きています。
我々は、個人が個人情報の共有を制御できるように、個人データ収集を中核として提案する。
論文 参考訳(メタデータ) (2021-03-31T14:26:05Z) - Applications of Differential Privacy in Social Network Analysis: A
Survey [60.696428840516724]
差別化プライバシは、情報を共有し、強力な保証でプライバシを保存するのに有効である。
ソーシャルネットワーク分析は多くのアプリケーションで広く採用されており、差分プライバシーの応用のための新たな領域が開かれた。
論文 参考訳(メタデータ) (2020-10-06T19:06:03Z) - A vision for global privacy bridges: Technical and legal measures for
international data markets [77.34726150561087]
データ保護法とプライバシーの権利が認められているにもかかわらず、個人情報の取引は「トレーディング・オイル」と同等のビジネスになっている。
オープンな対立は、データに対するビジネスの要求とプライバシーへの欲求の間に生じている。
プライバシを備えたパーソナル情報市場のビジョンを提案し,テストする。
論文 参考訳(メタデータ) (2020-05-13T13:55:50Z) - Utility-aware Privacy-preserving Data Releasing [7.462336024223669]
本稿では2段階の摂動に基づくプライバシー保護データ公開フレームワークを提案する。
まず、特定の事前定義されたプライバシとユーティリティの問題がパブリックドメインデータから学習される。
そして、学習した知識を活用して、データ所有者のデータを民営化したデータに正確に摂動させます。
論文 参考訳(メタデータ) (2020-05-09T05:32:46Z) - Beyond privacy regulations: an ethical approach to data usage in
transportation [64.86110095869176]
本稿では,フェデレート機械学習を交通分野に適用する方法について述べる。
フェデレートラーニングは、ユーザのプライバシを尊重しつつ、プライバシに敏感なデータを処理可能にする方法だと考えています。
論文 参考訳(メタデータ) (2020-04-01T15:10:12Z)
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。