論文の概要: A Roadmap for Greater Public Use of Privacy-Sensitive Government Data: Workshop Report

• arxiv url: http://arxiv.org/abs/2208.01636v1
• Date: Fri, 17 Jun 2022 17:20:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-09 01:51:40.908682
• Title: A Roadmap for Greater Public Use of Privacy-Sensitive Government Data: Workshop Report
• Title（参考訳）: プライバシーに敏感な政府データの利用に関するロードマップ:ワークショップ報告
• Authors: Chris Clifton, Bradley Malin, Anna Oganian, Ramesh Raskar, Vivek Sharma
• Abstract要約: このワークショップは、政府のさまざまなレベルでのデータ共有の課題と成功に焦点を当てている。 初日は、公式なプライバシ技術、合成データ、暗号化アプローチなど、公開データの共有に適用される新しい技術の成功例に焦点を当てた。
• 参考スコア（独自算出の注目度）: 11.431595898012377
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Government agencies collect and manage a wide range of ever-growing datasets. While such data has the potential to support research and evidence-based policy making, there are concerns that the dissemination of such data could infringe upon the privacy of the individuals (or organizations) from whom such data was collected. To appraise the current state of data sharing, as well as learn about opportunities for stimulating such sharing at a faster pace, a virtual workshop was held on May 21st and 26th, 2021, sponsored by the National Science Foundation and National Institute of Standards and Technologies, where a multinational collection of researchers and practitioners were brought together to discuss their experiences and learn about recently developed technologies for managing privacy while sharing data. The workshop specifically focused on challenges and successes in government data sharing at various levels. The first day focused on successful examples of new technology applied to sharing of public data, including formal privacy techniques, synthetic data, and cryptographic approaches. Day two emphasized brainstorming sessions on some of the challenges and directions to address them.
• Abstract（参考訳）: 政府機関は、成長を続ける幅広いデータセットを収集し、管理する。 このようなデータは、調査や証拠に基づく政策作成を支援する可能性があるが、そのようなデータが収集された個人(または組織)のプライバシーを侵害する可能性があるという懸念がある。 データ共有の現状を評価し、より速いペースでこれらの共有を刺激する機会を学ぶために、国立科学財団と国立標準技術研究所が後援する2021年5月21日と26日に仮想ワークショップが開催され、多国籍の研究者と実践者が集まり、彼らの経験を議論し、データ共有しながらプライバシーを管理するために最近開発された技術について学ぶ。 ワークショップでは、さまざまなレベルでの政府データ共有の課題と成功に焦点を当てた。 初日は、公式なプライバシ技術、合成データ、暗号化アプローチなど、公開データの共有に適用される新しい技術の成功例に焦点を当てた。 2日目はブレインストーミングのセッションで、対処する課題と方向性を強調した。

関連論文リスト

• Collection, usage and privacy of mobility data in the enterprise and public administrations [55.2480439325792]
  個人のプライバシーを守るためには、匿名化などのセキュリティ対策が必要である。 本研究では,現場における実践の洞察を得るために,専門家によるインタビューを行った。 我々は、一般的には最先端の差分プライバシー基準に準拠しない、使用中のプライバシー強化手法を調査した。
  論文  参考訳（メタデータ） (2024-07-04T08:29:27Z)
• Ethical and Privacy Considerations with Location Based Data Research [1.9388567720411736]
  我々は、人間のモビリティと倫理とプライバシがどのように考慮されたかに関する膨大な科学的研究のコーパスをレビューする。 これらの成長を続けるコレクションが、新しい洞察に富んだ研究を可能にする一方で、データガバナンスにおける許容可能なプラクティスに関するガイドラインを常に守っているわけではないことを実証しています。
  論文  参考訳（メタデータ） (2024-02-11T14:50:32Z)
• 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)
• Advancing Differential Privacy: Where We Are Now and Future Directions for Real-World Deployment [100.1798289103163]
  差分プライバシ(DP)分野における現状と現状の方法論の詳細なレビューを行う。 論文のポイントとハイレベルな内容は,「認知プライバシ(DP:次のフロンティアへの挑戦)」の議論から生まれた。 この記事では、プライバシの領域におけるアルゴリズムおよび設計決定の基準点を提供することを目標とし、重要な課題と潜在的研究の方向性を強調します。
  論文  参考訳（メタデータ） (2023-04-14T05:29:18Z)
• Lessons from the AdKDD'21 Privacy-Preserving ML Challenge [57.365745458033075]
  W3Cの顕著な提案では、過去のディスプレイの集計された、差別化されたプライベートなレポートを通じてのみ広告信号を共有することができる。 この提案を広く研究するために、AdKDD'21でオープンなプライバシ保護機械学習チャレンジが行われた。 重要な発見は、大量の集約されたデータの小さな集合が存在する場合の学習モデルは驚くほど効率的で安価であることである。
  論文  参考訳（メタデータ） (2022-01-31T11:09:59Z)
• Protecting Privacy and Transforming COVID-19 Case Surveillance Datasets for Public Use [0.4462475518267084]
  CDCは、個人レベルの未確認データを管轄区域から収集し、現在800万件以上の記録を保有している。 データ要素は、有用性、公開要求、およびプライバシーの影響に基づいて含まれた。 機密情報の再識別や暴露のリスクを低減するため、特定のフィールド値が抑制された。
  論文  参考訳（メタデータ） (2021-01-13T14:24:20Z)
• Privacy and Data Balkanization: Circumventing the Barriers [0.0]
  プライバシの懸念と法則は、異なるデータセットを共有したり、組み合わせたりする際の大きなオーバーヘッドにつながっています。 統合データの利点がまだ明確でない新しいアプリケーションでは、このオーバーヘッドは組織がデータの共有から相互に利益を得られるかどうかを判断することさえ妨げます。 我々は、データ共有のメリットがあるかどうか、許容価格を交渉する余地があるかどうかを判断するために、プライベート情報転送を利用することで、この難しさを克服する手法について議論する。
  論文  参考訳（メタデータ） (2020-10-07T22:05:28Z)
• A vision for global privacy bridges: Technical and legal measures for international data markets [77.34726150561087]
  データ保護法とプライバシーの権利が認められているにもかかわらず、個人情報の取引は「トレーディング・オイル」と同等のビジネスになっている。 オープンな対立は、データに対するビジネスの要求とプライバシーへの欲求の間に生じている。 プライバシを備えたパーソナル情報市場のビジョンを提案し,テストする。
  論文  参考訳（メタデータ） (2020-05-13T13:55:50Z)
• Utility-aware Privacy-preserving Data Releasing [7.462336024223669]
  本稿では2段階の摂動に基づくプライバシー保護データ公開フレームワークを提案する。 まず、特定の事前定義されたプライバシとユーティリティの問題がパブリックドメインデータから学習される。 そして、学習した知識を活用して、データ所有者のデータを民営化したデータに正確に摂動させます。
  論文  参考訳（メタデータ） (2020-05-09T05:32:46Z)
• Beyond privacy regulations: an ethical approach to data usage in transportation [64.86110095869176]
  本稿では,フェデレート機械学習を交通分野に適用する方法について述べる。 フェデレートラーニングは、ユーザのプライバシを尊重しつつ、プライバシに敏感なデータを処理可能にする方法だと考えています。
  論文  参考訳（メタデータ） (2020-04-01T15:10:12Z)

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。