Fugu-MT 論文翻訳(概要): Predicting Privacy Preferences for Smart Devices as Norms

論文の概要: Predicting Privacy Preferences for Smart Devices as Norms

arxiv url: http://arxiv.org/abs/2302.10650v1
Date: Tue, 21 Feb 2023 13:07:30 GMT
ステータス: 処理完了
システム内更新日: 2023-02-22 15:10:42.452440
Title: Predicting Privacy Preferences for Smart Devices as Norms
Title（参考訳）: スマートデバイスにおけるプライバシ優先の予測
Authors: Marc Serramia, William Seymour, Natalia Criado, Michael Luck
Abstract要約: ユーザの嗜好を規範として予測するための協調フィルタリング手法を提案する。スマートアシスタントユーザーのプライバシー嗜好のデータセットを用いて、予測の正確性をテストする。
参考スコア（独自算出の注目度）: 14.686788596611251
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Smart devices, such as smart speakers, are becoming ubiquitous, and users expect these devices to act in accordance with their preferences. In particular, since these devices gather and manage personal data, users expect them to adhere to their privacy preferences. However, the current approach of gathering these preferences consists in asking the users directly, which usually triggers automatic responses failing to capture their true preferences. In response, in this paper we present a collaborative filtering approach to predict user preferences as norms. These preference predictions can be readily adopted or can serve to assist users in determining their own preferences. Using a dataset of privacy preferences of smart assistant users, we test the accuracy of our predictions.
Abstract（参考訳）: スマートスピーカーのようなスマートデバイスはユビキタスになりつつあり、ユーザーは好みに応じてこれらのデバイスが動作することを期待している。特に、これらのデバイスは個人データを収集して管理するので、ユーザーはプライバシーの優先事項に従うことを期待する。しかし、これらの選好を収集する現在のアプローチは、ユーザに直接質問することであり、それは通常、本当の選好を捉えない自動応答をトリガーする。本稿では,ユーザの嗜好を規範として予測するための協調フィルタリング手法を提案する。これらの選好予測は容易に採用できるし、ユーザー自身の選好を決定するのに役立つ。スマートアシスタントユーザーのプライバシー設定のデータセットを使用して、予測の正確性をテストする。

関連論文リスト

Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning [62.224804688233]
差分プライバシ(DP)は、モデルが特定のプライバシユニットで「ほとんど区別できない」ことを保証することで、有望なソリューションを提供する。ユーザ間でのプライバシー保護の確保に必要なアプリケーションによって動機づけられたユーザレベルのDPについて検討する。
論文参考訳（メタデータ） (2024-06-20T13:54:32Z)
PriviFy: Designing Tangible Interfaces for Configuring IoT Privacy Preferences [1.4999444543328289]
PriviFyは、スマートデバイスプライバシ設定の設定をシンプルにするための、新規でユーザフレンドリな有形インターフェースです。当社の研究からの肯定的なフィードバックとユーザエクスペリエンスによって、製品開発者やスマートデバイスメーカーが、私たちが特定した有用なデザイン要素を取り入れられるようになると期待しています。
論文参考訳（メタデータ） (2024-06-08T12:35:46Z)
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)
Collaborative filtering to capture AI user's preferences as norms [0.4640835690336652]
現在のメソッドでは、過剰なユーザの関与が必要で、真の好みをキャプチャできない。我々は、規範を構築する際に新しい視点が必要であると論じる。推薦システムにインスパイアされた我々は、協調フィルタリングが適切なアプローチをもたらすと信じている。
論文参考訳（メタデータ） (2023-08-01T15:14:23Z)
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)
Solutions to preference manipulation in recommender systems require knowledge of meta-preferences [7.310043452300736]
ユーザの一部の好みの変化は、自己誘導的であり、レコメンダがそれを引き起こしたかどうかを希望する。本稿では,リコメンデータシステムにおける嗜好操作の解決策として,特定のメタ参照を考慮に入れなければならないことを提案する。
論文参考訳（メタデータ） (2022-09-14T15:01:13Z)
Modeling Dynamic User Preference via Dictionary Learning for Sequential Recommendation [133.8758914874593]
ユーザの好みのダイナミックさを捉えることは、ユーザの将来の行動を予測する上で非常に重要です。浅いものも深いものも含む、既存のレコメンデーションアルゴリズムの多くは、このようなダイナミクスを独立してモデル化することが多い。本稿では、ユーザのシーケンシャルな振る舞いを、ユーザ好みの潜伏した空間に埋め込むことの問題について考察する。
論文参考訳（メタデータ） (2022-04-02T03:23:46Z)
Leveraging Privacy Profiles to Empower Users in the Digital Society [7.350403786094707]
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。
論文参考訳（メタデータ） (2022-04-01T15:31:50Z)
Private Prediction Sets [72.75711776601973]
機械学習システムは、個人のプライバシーの確実な定量化と保護を必要とする。これら2つのデシラタを共同で扱う枠組みを提案する。本手法を大規模コンピュータビジョンデータセット上で評価する。
論文参考訳（メタデータ） (2021-02-11T18:59:11Z)
Unsupervised Model Personalization while Preserving Privacy and Scalability: An Open Problem [55.21502268698577]
本研究では,非教師なしモデルパーソナライゼーションの課題について検討する。この問題を探求するための新しいDual User-Adaptation Framework(DUA)を提供する。このフレームワークは、サーバ上のモデルパーソナライズとユーザデバイス上のローカルデータ正規化に柔軟にユーザ適応を分散させる。
論文参考訳（メタデータ） (2020-03-30T09:35:12Z)

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。