論文の概要: AI-based Re-identification of Behavioral Clickstream Data
- arxiv url: http://arxiv.org/abs/2201.10351v1
- Date: Fri, 21 Jan 2022 16:49:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-26 16:11:08.830612
- Title: AI-based Re-identification of Behavioral Clickstream Data
- Title(参考訳): AIによる行動クリックストリームデータの再同定
- Authors: Stefan Vamosi and Michael Platzer and Thomas Reutterer
- Abstract要約: 本論文は, 行動パターンに基づいて, 個人を純粋に同定する上で, 同様の手法が適用可能であることを実証する。
レコード間の振舞いパターンの単なる類似性は、識別された個人に振舞いデータを正しく属性付けるのに十分である。
また、私たちが導入したAIベースの再識別攻撃に対して回復力があることが示されています。
- 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: AI-based face recognition, i.e., the re-identification of individuals within
images, is an already well established technology for video surveillance, for
user authentication, for tagging photos of friends, etc. This paper
demonstrates that similar techniques can be applied to successfully re-identify
individuals purely based on their behavioral patterns. In contrast to
de-anonymization attacks based on record linkage, these methods do not require
any overlap in data points between a released dataset and an identified
auxiliary dataset. The mere resemblance of behavioral patterns between records
is sufficient to correctly attribute behavioral data to identified individuals.
Further, we can demonstrate that data perturbation does not provide protection,
unless a significant share of data utility is being destroyed. These findings
call for sincere cautions when sharing actual behavioral data with third
parties, as modern-day privacy regulations, like the GDPR, define their scope
based on the ability to re-identify. This has also strong implications for the
Marketing domain, when dealing with potentially re-identify-able data sources
like shopping behavior, clickstream data or cockies. We also demonstrate how
synthetic data can offer a viable alternative, that is shown to be resilient
against our introduced AI-based re-identification attacks.
- Abstract(参考訳): AIベースの顔認識、すなわち画像内の個人の再識別は、ビデオ監視、ユーザー認証、友人の写真のタグ付けなど、すでに確立されている技術である。
本論文は, 行動パターンに基づいて, 個人を純粋に同定する上で, 同様の手法が適用可能であることを示す。
レコードリンクに基づく匿名化攻撃とは対照的に、これらの手法では、リリースデータセットと特定された補助データセットとの間のデータポイントの重複は不要である。
レコード間の行動パターンの単なる類似性は、識別された個人に行動データを正しく属性するのに十分である。
さらに,大量のデータユーティリティが破壊されない限り,データの摂動は保護を提供しないことを示すことができる。
これらの調査結果は、現在のプライバシー規制であるGDPR(GDPR)のように、サードパーティと実際の行動データを共有するときの誠実な注意を呼び起こす。
これはまた、ショッピング行動やクリックストリームデータ、ゴキブリなど、潜在的に再識別可能なデータソースを扱う際に、マーケティング領域に強い影響を与える。
さらに私たちは、aiベースの再識別攻撃に対してレジリエントであることが示されている、合成データが有効な代替手段を提供する方法も示しています。
関連論文リスト
- Data-Driven but Privacy-Conscious: Pedestrian Dataset De-identification
via Full-Body Person Synthesis [16.394031759681678]
ペデストリアンデータセットの復号化タスクを動機付け,導入する。
PDIは、所定の非識別法に対して、非識別度とダウンストリームタスクトレーニング性能を評価する。
私たちのデータは、プライバシを意識した方法で、合成から実際のパフォーマンスギャップを狭めることができるかを示します。
論文 参考訳(メタデータ) (2023-06-20T17:39:24Z) - Data AUDIT: Identifying Attribute Utility- and Detectability-Induced
Bias in Task Models [8.420252576694583]
医用画像データセットの厳密で定量的なスクリーニングのための第1の手法を提案する。
提案手法は,データセット属性に関連するリスクを,検出性と実用性の観点から分解する。
本手法を用いて, ほぼ知覚不能なバイアス誘発アーティファクトを確実に同定するスクリーニング手法を提案する。
論文 参考訳(メタデータ) (2023-04-06T16:50:15Z) - ConfounderGAN: Protecting Image Data Privacy with Causal Confounder [85.6757153033139]
本稿では,GAN(Generative Adversarial Network)のConfounderGANを提案する。
実験は、3つの自然なオブジェクトデータセットと3つの医療データセットからなる6つの画像分類データセットで実施される。
論文 参考訳(メタデータ) (2022-12-04T08:49:14Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳(メタデータ) (2022-10-11T08:24:50Z) - Autoregressive Perturbations for Data Poisoning [54.205200221427994]
ソーシャルメディアからのデータスクレイピングは、不正なデータの使用に関する懸念が高まっている。
データ中毒攻撃は、スクラップ対策として提案されている。
より広範なデータセットにアクセスせずに有毒なデータを生成できる自動回帰(AR)中毒を導入する。
論文 参考訳(メタデータ) (2022-06-08T06:24:51Z) - RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。
以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
論文 参考訳(メタデータ) (2022-01-13T06:30:56Z) - Modelling Adversarial Noise for Adversarial Defense [96.56200586800219]
敵の防御は、通常、敵の音を除去したり、敵の頑強な目標モデルを訓練するために、敵の例を活用することに焦点を当てる。
逆データと自然データの関係は、逆データからクリーンデータを推測し、最終的な正しい予測を得るのに役立ちます。
本研究では, ラベル空間の遷移関係を学習するために, 逆方向の雑音をモデル化し, 逆方向の精度を向上させることを目的とした。
論文 参考訳(メタデータ) (2021-09-21T01:13:26Z) - Representative & Fair Synthetic Data [68.8204255655161]
公平性制約を自己監督学習プロセスに組み込むためのフレームワークを提示する。
私たちはuci成人国勢調査データセットの代表者および公正版を作成します。
我々は、代表的かつ公正な合成データを将来有望なビルディングブロックとみなし、歴史的世界ではなく、私たちが生きようとしている世界についてアルゴリズムを教える。
論文 参考訳(メタデータ) (2021-04-07T09:19:46Z) - Anonymizing Sensor Data on the Edge: A Representation Learning and
Transformation Approach [4.920145245773581]
本稿では,データ難読化に有用な低次元表現を学習することで,ユーティリティとプライバシ損失のトレードオフを検討することを目的とする。
本稿では,時系列データを合成するための変分オートエンコーダの潜時空間における決定論的および確率的変換を提案する。
リソース制約のあるエッジデバイス上で,データをリアルタイムに匿名化できることを示す。
論文 参考訳(メタデータ) (2020-11-16T22:32:30Z) - How important are faces for person re-identification? [14.718372669984364]
顔検出およびぼかしアルゴリズムを適用し、複数の人気人物再識別データセットの匿名化バージョンを作成する。
我々は,この匿名化が標準メトリクスを用いた再識別性能に与える影響を評価する。
論文 参考訳(メタデータ) (2020-10-13T11:47:16Z)
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。