論文の概要: Efficient User-Centric Privacy-Friendly and Flexible Wearable Data Aggregation and Sharing
- arxiv url: http://arxiv.org/abs/2203.00465v3
- Date: Sun, 3 Mar 2024 23:31:56 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-26 00:17:07.126119
- Title: Efficient User-Centric Privacy-Friendly and Flexible Wearable Data Aggregation and Sharing
- Title(参考訳): 効率的なユーザ中心型プライバシフレンドリーでフレキシブルなデータアグリゲーションと共有
- Authors: Khlood Jastaniah, Ning Zhang, Mustafa A. Mustafa,
- Abstract要約: ウェアラブルデバイスは個人や一般大衆にサービスを提供することができる。
クラウドプロバイダが収集するウェアラブルデータは、プライバシのリスクを引き起こす可能性がある。
我々は,SAMAという新しい,効率的で,ユーザ中心で,プライバシーに配慮した,フレキシブルなデータアグリゲーションと共有方式を提案する。
- 参考スコア(独自算出の注目度): 9.532148238768213
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wearable devices can offer services to individuals and the public. However, wearable data collected by cloud providers may pose privacy risks. To reduce these risks while maintaining full functionality, healthcare systems require solutions for privacy-friendly data processing and sharing that can accommodate three main use cases: (i) data owners requesting processing of their own data, and multiple data requesters requesting data processing of (ii) a single or (iii) multiple data owners. Existing work lacks data owner access control and does not efficiently support these cases, making them unsuitable for wearable devices. To address these limitations, we propose a novel, efficient, user-centric, privacy-friendly, and flexible data aggregation and sharing scheme, named SAMA. SAMA uses a multi-key partial homomorphic encryption scheme to allow flexibility in accommodating the aggregation of data originating from a single or multiple data owners while preserving privacy during the processing. It also uses ciphertext-policy attribute-based encryption scheme to support fine-grain sharing with multiple data requesters based on user-centric access control. Formal security analysis shows that SAMA supports data confidentiality and authorisation. SAMA has also been analysed in terms of computational and communication overheads. Our experimental results demonstrate that SAMA supports privacy-preserving flexible data aggregation more efficiently than the relevant state-of-the-art solutions.
- Abstract(参考訳): ウェアラブルデバイスは個人や一般大衆にサービスを提供することができる。
しかし、クラウドプロバイダが収集するウェアラブルデータは、プライバシのリスクを引き起こす可能性がある。
完全な機能を維持しながらこれらのリスクを軽減するためには、プライバシフレンドリーなデータ処理と共有のためのソリューションが必要である。
一 自己データの処理を請求するデータ所有者及びデータ処理を請求する複数のデータ要求者
(ii)単体または単体
(iii)複数のデータ所有者。
既存の作業にはデータ所有者アクセス制御がなく、これらのケースを効率的にサポートしていないため、ウェアラブルデバイスには適さない。
これらの制約に対処するために,SAMAという新しい,効率的で,ユーザ中心で,プライバシーに配慮した,フレキシブルなデータアグリゲーションと共有方式を提案する。
SAMAはマルチキー部分同型暗号化方式を使用して、単一または複数のデータ所有者から派生したデータのアグリゲーションを調整し、処理中にプライバシを保存する柔軟性を実現する。
また、暗号文による属性ベースの暗号化スキームを使用して、ユーザ中心のアクセス制御に基づく複数のデータ要求者との微粒な共有をサポートする。
形式的セキュリティ分析は、SAMAがデータの機密性と承認をサポートすることを示している。
SAMAは計算と通信のオーバーヘッドについても分析されている。
実験の結果、SAMAは関連する最先端ソリューションよりも、より効率的にプライバシー保護可能なフレキシブルデータアグリゲーションをサポートすることが示された。
関連論文リスト
- SPECIAL: Synopsis Assisted Secure Collaborative Analytics [6.5653818719859895]
SPECIALは、バウンドプライバシ損失と高度なクエリプランニングを同時に保証する、セキュアな協調分析システムである。
最先端のSCAをはるかに上回り、クエリ時間が最大80倍速く、複雑なクエリのメモリは900倍以上小さい。
また、継続処理下でのプライバシー損失を最大89倍に削減する。
論文 参考訳(メタデータ) (2024-04-29T02:55:54Z) - S3PHER: Secure and Searchable System for Patient-driven HEalth data shaRing [0.0]
患者と介護者の健康データを共有するための現在のシステムは、プライバシ、機密性、同意管理といった重要なセキュリティ要件を完全には解決していない。
S3PHERは、医療データを共有するための新しいアプローチであり、患者にデータにアクセスする人、データにアクセスする人、そしていつアクセスされるかを制御する。
論文 参考訳(メタデータ) (2024-04-17T13:31:50Z) - Optimizing Privacy and Utility Tradeoffs for Group Interests Through Harmonization [2.54365580380609]
我々は,信頼された第三者を通じて,2つのユーザグループ間の協調的なデータ共有機構を導入する。
このサードパーティは、当社の提案したデータ共有メカニズムを使って、両グループのデータを内部的に衛生化しています。
提案手法は,ユーティリティ機能の高精度な予測が可能でありながら,プライベート属性を正確に推測できないことを保証している。
論文 参考訳(メタデータ) (2024-04-07T18:55:33Z) - 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) - 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) - Certified Data Removal in Sum-Product Networks [78.27542864367821]
収集したデータの削除は、データのプライバシを保証するのに不十分であることが多い。
UnlearnSPNは、訓練された総生産ネットワークから単一データポイントの影響を取り除くアルゴリズムである。
論文 参考訳(メタデータ) (2022-10-04T08:22:37Z) - Privacy-Aware Compression for Federated Data Analysis [31.970815289473965]
フェデレーションデータ分析(Federated Data Analytics)は、サーバが低帯域のユーザデバイス群からノイズの多い応答をコンパイルし、集計統計を推定する分散データ分析フレームワークである。
このフレームワークの2つの大きな課題は、ユーザデータがしばしばセンシティブであり、ユーザデバイスがネットワーク帯域幅が低いため、圧縮である。
我々は、この問題を概観し、特定の通信予算で機能するプライバシーに配慮した圧縮メカニズムのファミリーを設計する。
論文 参考訳(メタデータ) (2022-03-15T17:57:13Z) - Reasoning over Public and Private Data in Retrieval-Based Systems [29.515915401413334]
State-of-the-artシステムは、回答を生成する前に、背景コーパスからユーザ質問に関連する情報を明示的に検索する。
今日の検索システムは、コーパスが完全にアクセス可能であることを前提としているが、ユーザーはプライベートデータを公開データをホストするエンティティに公開することを望んでいないことが多い。
PAIR(Public-PRIVATE AUTOREGRESSIVE Information RetriEVAL) のプライバシ・フレームワークを,複数のプライバシ・スコープにまたがる新規検索設定のために最初に定義する。
論文 参考訳(メタデータ) (2022-03-14T13:08:51Z) - Second layer data governance for permissioned blockchains: the privacy
management challenge [58.720142291102135]
新型コロナウイルス(COVID-19)やエボラウイルス(エボラ出血熱)のようなパンデミックの状況では、医療データを共有することに関連する行動は、大規模な感染を避け、死亡者を減らすために重要である。
この意味において、許可されたブロックチェーン技術は、スマートコントラクトが管理する不変で統一された分散データベースを通じて、データのオーナシップ、透明性、セキュリティを提供する権利をユーザに与えるために登場します。
論文 参考訳(メタデータ) (2020-10-22T13:19:38Z) - BeeTrace: A Unified Platform for Secure Contact Tracing that Breaks Data
Silos [73.84437456144994]
接触追跡は、新型コロナウイルスなどの感染症の拡散を制御する重要な方法である。
現在のソリューションでは、ビジネスデータベースや個々のデジタルデバイスに格納された大量のデータを利用できません。
データサイロを破り、プライバシーの目標を保証するために最先端の暗号化プロトコルをデプロイする統合プラットフォームであるBeeTraceを提案する。
論文 参考訳(メタデータ) (2020-07-05T10:33:45Z) - TIPRDC: Task-Independent Privacy-Respecting Data Crowdsourcing Framework
for Deep Learning with Anonymized Intermediate Representations [49.20701800683092]
本稿では,匿名化中間表現を用いたタスク非依存型プライバシ参照データクラウドソーシングフレームワークTIPRDCを提案する。
このフレームワークの目的は、中間表現からプライバシー情報を隠蔽できる機能抽出器を学習することであり、データコレクターの生データに埋め込まれた元の情報を最大限に保持し、未知の学習タスクを達成することである。
論文 参考訳(メタデータ) (2020-05-23T06:21:26Z)
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。