Fugu-MT 論文翻訳(概要): Equity and Privacy: More Than Just a Tradeoff

論文の概要: Equity and Privacy: More Than Just a Tradeoff

arxiv url: http://arxiv.org/abs/2111.04671v1
Date: Mon, 8 Nov 2021 17:39:32 GMT
ステータス: 処理完了
システム内更新日: 2023-03-08 20:14:52.648235
Title: Equity and Privacy: More Than Just a Tradeoff
Title（参考訳）: エクイティとプライバシ:単なるトレードオフ以上のもの
Authors: David Pujol, Ashwin Machanavajjhala
Abstract要約: 近年の研究では、プライバシ保護データ公開が、異なる集団グループ間で異なるレベルのユーティリティを導入できることが示されている。限界人口は、プライバシー技術から不公平に実用性を減らすのだろうか? 不等式があれば、どのように対処すればよいのか?
参考スコア（独自算出の注目度）: 10.545898004301323
License: http://creativecommons.org/licenses/by/4.0/
Abstract: While the entire field of privacy preserving data analytics is focused on the privacy-utility tradeoff, recent work has shown that privacy preserving data publishing can introduce different levels of utility across different population groups. It is important to understand this new tradeoff between privacy and equity as privacy technology is being deployed in situations where the data products will be used for research and policy making. Will marginal populations see disproportionately less utility from privacy technology? If there is an inequity how can we address it?
Abstract（参考訳）: プライバシー保護データ分析の分野は、プライバシー利用のトレードオフに焦点を当てているが、最近の研究により、プライバシー保護データパブリッシングは、異なる集団間で異なるレベルのユーティリティをもたらすことが示されている。プライバシ技術が研究や政策立案にデータ製品を使用する状況で展開されているため、プライバシと株式の新たなトレードオフを理解することが重要です。限界人口はプライバシー技術から不公平に実用性を減らすのだろうか? 不等式がある場合、どのように対処できますか?

関連論文リスト

Embedding Privacy in Computational Social Science and Artificial Intelligence Research [2.048226951354646]
プライバシーの保護は研究の重要な要素として浮上している。高度な計算モデルの利用の増加は、プライバシーの懸念を悪化させる。この記事では、プライバシの役割と、CSS、AI、データサイエンス、および関連するドメインで働く研究者が直面する問題について議論することによって、この分野に貢献する。
論文参考訳（メタデータ） (2024-04-17T16:07:53Z)
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)
Position: Considerations for Differentially Private Learning with Large-Scale Public Pretraining [75.25943383604266]
大規模なWebスクレイプデータセットの使用は、差分プライバシ保存と見なすべきかどうかを疑問視する。 Webデータ上で事前訓練されたこれらのモデルを“プライベート”として公開することで、市民のプライバシーに対する信頼を意味のあるプライバシの定義として損なう可能性があることを警告します。公的な事前学習がより普及し、強力になるにつれて、私的な学習分野への道のりを議論することで、我々は結論づける。
論文参考訳（メタデータ） (2022-12-13T10:41:12Z)
Momentum Gradient Descent Federated Learning with Local Differential Privacy [10.60240656423935]
ビッグデータの時代、個人情報のプライバシーはより顕著になった。本稿では,機械学習モデルの性能向上のために,フェデレーション学習と局所差分プライバシーをモーメント勾配勾配下で統合することを提案する。
論文参考訳（メタデータ） (2022-09-28T13:30:38Z)
Algorithms with More Granular Differential Privacy Guarantees [65.3684804101664]
我々は、属性ごとのプライバシー保証を定量化できる部分微分プライバシー(DP)について検討する。本研究では,複数の基本データ分析および学習タスクについて検討し,属性ごとのプライバシパラメータが個人全体のプライバシーパラメータよりも小さい設計アルゴリズムについて検討する。
論文参考訳（メタデータ） (2022-09-08T22:43:50Z)
The Privacy Onion Effect: Memorization is Relative [76.46529413546725]
もっとも脆弱な外接点の"層"を取り除くことで、前もって安全だった点の新たな層を同じ攻撃に晒す。これは、機械学習のようなプライバシー強化技術が、他のユーザーのプライバシーに悪影響を及ぼす可能性を示唆している。
論文参考訳（メタデータ） (2022-06-21T15:25:56Z)
Learning With Differential Privacy [3.618133010429131]
異なるプライバシーは、漏洩に対する適切な保護を約束して救助にやってくる。データの収集時にランダムな応答技術を使用し、より優れたユーティリティで強力なプライバシを保証します。
論文参考訳（メタデータ） (2020-06-10T02:04:13Z)
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)
Dis-Empowerment Online: An Investigation of Privacy-Sharing Perceptions & Method Preferences [6.09170287691728]
プライバシーのエンパワーメントの認識は、意味、能力、選択の次元をまたいだ共有の認識とは異なることが分かっています。米国、英国、ドイツの間では、プライバシーメソッドの嗜好の類似点と相違点が見つかります。プライバシ非エンパワーメントの認識をオンラインのプライバシ行動パターンにマッピングすることにより、今後の研究に重要な基盤を提供する。
論文参考訳（メタデータ） (2020-03-19T19:17:55Z)

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。