論文の概要: The Principle of Least Sensing: A Privacy-Friendly Sensing Paradigm for
Urban Big Data Analytics
- arxiv url: http://arxiv.org/abs/2204.05168v1
- Date: Mon, 11 Apr 2022 14:54:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-12 16:08:53.413064
- Title: The Principle of Least Sensing: A Privacy-Friendly Sensing Paradigm for
Urban Big Data Analytics
- Title(参考訳): 最小センシングの原則:都市ビッグデータ分析のためのプライバシーにやさしいセンシングパラダイム
- Authors: Leye Wang
- Abstract要約: 法律で規制されたビッグデータ分析の実施は、困難かつ根本的な問題である。
本稿では,法規制されたビッグデータ分析への期待できるセンシングパラダイムである,最小センシングの原則を紹介する。
- 参考スコア(独自算出の注目度): 5.159092174570181
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the worldwide emergence of data protection regulations, how to conduct
law-regulated big data analytics becomes a challenging and fundamental problem.
This article introduces the principle of least sensing, a promising sensing
paradigm toward law-regulated big data analytics.
- Abstract(参考訳): 世界中のデータ保護規制の出現に伴い、法律で規制されたビッグデータ分析の実施は困難で根本的な問題となっている。
本稿では,法規制されたビッグデータ分析への期待できるセンシングパラダイムである最小センシングの原則を紹介する。
関連論文リスト
- Towards Cross-Provider Analysis of Transparency Information for Data
Protection [0.0]
本稿では,サービスプロバイダ間の大規模透明性情報分析を実現するための新しいアプローチを提案する。
我々は、高度な透明性情報分析のための一般的なアプローチ、オープンソースのアーキテクチャ、クエリ可能な分析プラットフォームという形での実装を提供する。
今後の作業は、私たちのコントリビューションに基づいて、隠れたデータ共有プラクティスに関する洞察を得ることができます。
論文 参考訳(メタデータ) (2023-09-01T10:36:09Z) - A Survey on Privacy in Graph Neural Networks: Attacks, Preservation, and
Applications [76.88662943995641]
グラフニューラルネットワーク(GNN)は、グラフ構造化データを扱う能力のため、大きな注目を集めている。
この問題に対処するため、研究者らはプライバシー保護のGNNの開発を開始した。
この進歩にもかかわらず、攻撃の包括的概要と、グラフドメインのプライバシを保存するためのテクニックが欠如している。
論文 参考訳(メタデータ) (2023-08-31T00:31:08Z) - LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。
しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。
カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
論文 参考訳(メタデータ) (2023-06-14T05:48:36Z) - Towards Generalizable Data Protection With Transferable Unlearnable
Examples [50.628011208660645]
本稿では、転送不可能な例を生成することによって、新しい一般化可能なデータ保護手法を提案する。
私たちの知る限りでは、これはデータ分散の観点からデータのプライバシを調べる最初のソリューションです。
論文 参考訳(メタデータ) (2023-05-18T04:17:01Z) - Risk-based regulation for all: The need and a method for a wide adoption
solution for data-driven inspection targeting [0.0]
本稿では,データ駆動型の市場監視と検査ターゲティングのためのソリューション開発の必要性と課題について論じる。
規制計画に対処するための効果的な方法を示し、規制当局にとって最も重要かつ一般的な課題である消費者について説明する。
それは、客観的で、公平で、透明で、説明可能な、実装が簡単で、計算コストの低いデータ処理方法の必要性への、規制コミュニティの認識の向上に貢献したいと考えている。
論文 参考訳(メタデータ) (2022-04-07T16:59:04Z) - Distributed Machine Learning and the Semblance of Trust [66.1227776348216]
フェデレートラーニング(FL)により、データ所有者はデータを共有することなく、データガバナンスを維持し、モデルトレーニングをローカルで行うことができる。
FLと関連する技術は、しばしばプライバシー保護と表現される。
この用語が適切でない理由を説明し、プライバシの形式的定義を念頭に設計されていないプロトコルに対する過度な信頼に関連するリスクを概説する。
論文 参考訳(メタデータ) (2021-12-21T08:44:05Z) - Learning to Limit Data Collection via Scaling Laws: Data Minimization
Compliance in Practice [62.44110411199835]
我々は機械学習法における文献に基づいて、データとシステム性能を結びつけるデータ解釈に基づく収集を制限するフレームワークを提案する。
我々は、性能曲線微分に基づくデータ最小化基準を定式化し、有効かつ解釈可能な分数法法技術を提供する。
論文 参考訳(メタデータ) (2021-07-16T19:59:01Z) - Predictive analytics using Social Big Data and machine learning [6.142272540492935]
この章では、ソーシャルビッグデータ分析の基礎となる中核的な側面について光を当てている。
さまざまな予測分析アルゴリズムが,いくつかの重要なアプリケーションやトップレベルのツールやAPIで使用されている。
論文 参考訳(メタデータ) (2021-04-21T19:30:45Z) - Occams Razor for Big Data? On Detecting Quality in Large Unstructured
Datasets [0.0]
分析複雑性への新たな傾向は、科学におけるパシモニーやオッカム・ラザーの原理にとって深刻な課題である。
データクラスタリングのための計算的ビルディングブロックアプローチは、最小の計算時間で大規模な非構造化データセットを扱うのに役立つ。
このレビューは、東西の文化的な違いがビッグデータ分析の過程にどのように影響するかを結論付けている。
論文 参考訳(メタデータ) (2020-11-12T16:06:01Z) - 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)
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。