論文の概要: Leveraging Privacy Profiles to Empower Users in the Digital Society
- arxiv url: http://arxiv.org/abs/2204.00011v1
- Date: Fri, 1 Apr 2022 15:31:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-04 16:20:06.684462
- Title: Leveraging Privacy Profiles to Empower Users in the Digital Society
- Title(参考訳): デジタル社会のユーザーを力づけるためにプライバシプロファイルを活用する
- Authors: Davide Di Ruscio, Paola Inverardi, Patrizio Migliarini, Phuong T.
Nguyen
- Abstract要約: 市民のプライバシーと倫理は、ますますデジタル化されつつある社会によってもたらされる懸念の中核にある。
我々は、フィットネス領域から収集された既存のデータセットに関する実証的研究を通じて、プライバシの次元に注目し、上記の方向のステップに貢献する。
その結果、セマンティック駆動型質問のコンパクトなセットは、複雑なドメイン依存質問よりもユーザを識別するのに役立つことがわかった。
- 参考スコア(独自算出の注目度): 7.350403786094707
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Privacy and ethics of citizens are at the core of the concerns raised by our
increasingly digital society. Profiling users is standard practice for software
applications triggering the need for users, also enforced by laws, to properly
manage privacy settings. Users need to manage software privacy settings
properly to protect personally identifiable information and express personal
ethical preferences. AI technologies that empower users to interact with the
digital world by reflecting their personal ethical preferences can be key
enablers of a trustworthy digital society. We focus on the privacy dimension
and contribute a step in the above direction through an empirical study on an
existing dataset collected from the fitness domain. We find out which set of
questions is appropriate to differentiate users according to their preferences.
The results reveal that a compact set of semantic-driven questions (about
domain-independent privacy preferences) helps distinguish users better than a
complex domain-dependent one. This confirms the study's hypothesis that moral
attitudes are the relevant piece of information to collect. Based on the
outcome, we implement a recommender system to provide users with suitable
recommendations related to privacy choices. We then show that the proposed
recommender system provides relevant settings to users, obtaining high
accuracy.
- Abstract(参考訳): 市民のプライバシーと倫理は、ますますデジタル社会によって引き起こされる懸念の中核にある。
プロファイリングユーザ(プロファイリングユーザ)は、プライバシー設定を適切に管理するために、ユーザの必要性を誘発するソフトウェアアプリケーションの標準的なプラクティスである。
ユーザーは、個人識別可能な情報を保護し、個人の倫理的好みを表現するために、ソフトウェアのプライバシー設定を適切に管理する必要がある。
個人の倫理的嗜好を反映してデジタル世界と対話することを可能にするAI技術は、信頼できるデジタル社会の鍵となる。
我々は、フィットネス領域から収集された既存のデータセットに関する実証的研究を通じて、プライバシの次元に注目し、上記の方向のステップに貢献する。
ユーザの好みに応じてユーザを区別するのに適した質問がどれかを見出す。
その結果、(ドメインに依存しないプライバシ優先に関する)セマンティックな質問のコンパクトなセットは、複雑なドメインに依存した質問よりもユーザを識別するのに役立ちます。
これは、モラルの態度が収集すべき情報の一部であるという研究の仮説を裏付ける。
この結果に基づいて,プライバシ選択に関する適切なレコメンデーションをユーザに提供可能なレコメンデーションシステムを実装した。
次に,提案手法がユーザに対して適切な設定を提供し,精度が高いことを示す。
関連論文リスト
- User Consented Federated Recommender System Against Personalized
Attribute Inference Attack [55.24441467292359]
本稿では,ユーザの異なるプライバシーニーズを柔軟に満たすために,ユーザ合意型フェデレーションレコメンデーションシステム(UC-FedRec)を提案する。
UC-FedRecは、ユーザーが様々な要求を満たすためにプライバシー設定を自己定義し、ユーザーの同意を得てレコメンデーションを行うことを可能にする。
論文 参考訳(メタデータ) (2023-12-23T09:44:57Z) - Tapping into Privacy: A Study of User Preferences and Concerns on
Trigger-Action Platforms [0.0]
モノのインターネット(IoT)デバイスの人気は急速に高まり、インターネットに接続されたデバイスを継続的に監視する人が増えている。
この研究は、IoT(Internet of Things)のコンテキストにおいて、Trigger-Action Platform(TAP)に関連するエンドユーザのプライバシ上の懸念と期待について調査する。
TAPでは、特定のイベントや条件に基づいてアクションをトリガーするルールを作成することで、スマート環境をカスタマイズすることができる。
論文 参考訳(メタデータ) (2023-08-11T14:25:01Z) - Randomized algorithms for precise measurement of differentially-private,
personalized recommendations [6.793345945003182]
本稿では,高精度かつ偏りのある測定を容易にするパーソナライズされたレコメンデーションのためのアルゴリズムを提案する。
提案するプライバシ保護アルゴリズムが,ユーザエクスペリエンスや広告主の価値,プラットフォーム収益に関連する重要な指標に与える影響を定量化するために,オフライン実験を実施している。
論文 参考訳(メタデータ) (2023-08-07T17:34:58Z) - Systematic Review on Privacy Categorization [1.5377372227901214]
本研究は,プライバシ分類に関する文献を体系的にレビューすることを目的としている。
プライバシーの分類には、特定の前提条件に従ってユーザーを分類する機能が含まれる。
論文 参考訳(メタデータ) (2023-07-07T15:18:26Z) - 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) - 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) - How Much User Context Do We Need? Privacy by Design in Mental Health NLP
Application [33.3172788815152]
テキストからのメンタルヘルスアセスメントなどの臨床的タスクは、社会的制約を考慮に入れなければならない。
本稿では,ユーザ履歴長と差分プライバシー予算を並べた最初の分析を行い,ユーザコンテキストのモデリングによってユーティリティの保存を実現する方法について詳しく述べる。
論文 参考訳(メタデータ) (2022-09-05T15:41:45Z) - 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) - Personalized multi-faceted trust modeling to determine trust links in
social media and its potential for misinformation management [61.88858330222619]
ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。
本稿では,データ駆動型多面信頼モデルを提案する。
信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
論文 参考訳(メタデータ) (2021-11-11T19:40:51Z)
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。