論文の概要: ROI: A method for identifying organizations receiving personal data

• arxiv url: http://arxiv.org/abs/2204.09495v2
• Date: Tue, 25 Jul 2023 07:11:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-26 21:50:03.068442
• Title: ROI: A method for identifying organizations receiving personal data
• Title（参考訳）: ROI:個人データを受け取る組織を特定する方法
• Authors: David Rodriguez, Jose M. Del Alamo, Miguel Cozar and Boni Garcia
• Abstract要約: 本稿では、この個人データを受信した組織を特定するために、最先端技術の評価を行う。 本稿では,95.71%の精度を達成するために,異なる手法を組み合わせる完全自動化手法を提案する。 我々は,Androidアプリを1万個評価し,ユーザの個人情報を受信した組織を公開することによって,我々の手法を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many studies have exposed the massive collection of personal data in the digital ecosystem through, for instance, websites, mobile apps, or smart devices. This fact goes unnoticed by most users, who are also unaware that the collectors are sharing their personal data with many different organizations around the globe. This paper assesses techniques available in the state of the art to identify the organizations receiving this personal data. Based on our findings, we propose ROI (Receiver Organization Identifier), a fully automated method that combines different techniques to achieve a 95.71% precision score in identifying an organization receiving personal data. We demonstrate our method in the wild by evaluating 10,000 Android apps and exposing the organizations that receive users' personal data.
• Abstract（参考訳）: 多くの研究が、ウェブサイト、モバイルアプリ、スマートデバイスなどを通じて、デジタルエコシステムにおける個人情報の大量収集を暴露している。 この事実は、コレクターが世界中の多くの異なる組織と自分の個人データを共有していることに気づいていない多くのユーザーによって気付かれていない。 本稿では,この個人データを受け取る組織を特定する技術について検討する。 本研究は,個人データを受信した組織を特定するために,異なる手法を組み合わせて95.71%の精度スコアを得る完全自動化手法であるROI(Receiver Organization Identifier)を提案する。 1万のAndroidアプリを評価し,ユーザの個人情報を受信した組織を公開することによって,我々の手法を実証する。

関連論文リスト

• 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)
• Participatory Personalization in Classification [8.234011679612436]
  我々は、個人が予測時にパーソナライズをオプトインできる、参加型システムと呼ばれる分類モデルのファミリーを導入する。 臨床予測タスクにおける参加システムに関する総合的な実証的研究を行い、パーソナライズとインキュベーションのための共通のアプローチでそれらをベンチマークする。 その結果、参加型システムは、個人データを報告するグループ全体のパフォーマンスとデータ利用を改善しつつ、同意を容易にし、情報提供できることを示した。
  論文  参考訳（メタデータ） (2023-02-08T04:24:19Z)
• Unsupervised Text Deidentification [101.2219634341714]
  個人識別情報を漏洩する単語を隠蔽する教師なしの識別手法を提案する。 K匿名性に基づくプライバシによって動機づけられた私たちは、最小の再識別ランクを保証するリアクションを生成します。
  論文  参考訳（メタデータ） (2022-10-20T18:54:39Z)
• Sotto Voce: Federated Speech Recognition with Differential Privacy Guarantees [0.761963751158349]
  音声データは収集するのに高価で、情報源に非常に敏感です。 組織が独立して自身の使用のために小さなデータセットを収集している場合が多いが、マシンラーニングの要求に対してパフォーマンスが低い場合も少なくない。 しかし、明快なデータ共有は、知的財産の喪失とデータセットに存在する個人のプライバシーの喪失という点で、非常に危険なリスクを伴っている。
  論文  参考訳（メタデータ） (2022-07-16T02:48:54Z)
• 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)
• Unsupervised Domain Adaptive Learning via Synthetic Data for Person Re-identification [101.1886788396803]
  人物再識別(re-ID)は、ビデオ監視に広く応用されているため、ますます注目を集めている。 残念なことに、主流のディープラーニング手法では、モデルをトレーニングするために大量のラベル付きデータが必要です。 本稿では,コンピュータゲーム内で合成されたre-IDサンプルを自動的に生成するデータコレクタを開発し,同時にアノテートするデータラベラを構築した。
  論文  参考訳（メタデータ） (2021-09-12T15:51:41Z)
• Private data sharing between decentralized users through the privGAN architecture [1.3923892290096642]
  本研究では、データ所有者が実際のデータを共有することなく、データの合成版や偽版を共有する方法を提案する。 このアプローチが、さまざまなサイズのサブセットに適用されると、実際のデータセットのユーティリティよりも、所有者の利便性が向上することを示す。
  論文  参考訳（メタデータ） (2020-09-14T22:06:13Z)
• Detecting Informal Organization Through Data Mining Techniques [0.0]
  本研究は,人的資源の指標が非公式組織の形成に与える影響を分類する。 本研究の応用データマイニング技術は、因子分析、K平均によるクラスタリング、決定木による分類、GRIアルゴリズムによる相関ルールマイニングである。
  論文  参考訳（メタデータ） (2020-09-07T05:42:37Z)
• Bias in Multimodal AI: Testbed for Fair Automatic Recruitment [73.85525896663371]
  異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。 我々は、性別や人種の偏りを意識的に評価したマルチモーダルな合成プロファイルを用いて、自動求人アルゴリズムを訓練する。 我々の方法論と結果は、一般により公平なAIベースのツール、特により公平な自動採用システムを生成する方法を示している。
  論文  参考訳（メタデータ） (2020-04-15T15:58:05Z)
• Federating Recommendations Using Differentially Private Prototypes [16.29544153550663]
  生データを収集せずにグローバルおよびローカルなプライベートモデルを学習するための新しいフェデレーションアプローチを提案する。 通信を2ラウンドだけ必要とすることで、通信コストを削減し、過剰なプライバシー損失を回避することができます。 本稿では,グローバルモデルの局所的適応により,集中行列分解に基づくレコメンデータシステムモデルよりも優れた性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-03-01T22:21:31Z)
• Investigating the Impact of Inclusion in Face Recognition Training Data on Individual Face Identification [93.5538147928669]
  最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。 モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
  論文  参考訳（メタデータ） (2020-01-09T15:50:28Z)

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。