論文の概要: Guaranteeing Anonymity in Attribute-Based Authorization
- arxiv url: http://arxiv.org/abs/2310.04896v1
- Date: Sat, 7 Oct 2023 19:09:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-19 03:02:24.777576
- Title: Guaranteeing Anonymity in Attribute-Based Authorization
- Title（参考訳）: 属性に基づく認証における匿名性の確保
- Authors: Erin Lanus, Charles J. Colbourn, Gail-Joon Ahn,
- Abstract要約: 属性に基づく手法は、被写体のアイデンティティではなく、被写体が所有する属性に基づいて決定を行う。
これは匿名の認証を可能にするが、匿名性を保証するものではない。
属性ベースの認証において匿名性を実現する他のアプローチは、属性分布の問題に対処しない。
- 参考スコア（独自算出の注目度）: 3.2697504912958633
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Attribute-based methods, such as attribute-based access control and attribute-based encryption, make decisions based on attributes possessed by a subject rather than the subject's identity. While this allows for anonymous authorization -- determining that a subject is authorized without knowing the identity of the subject -- it does not guarantee anonymity. If a policy can be composed such that few subjects possess attributes satisfying the policy, then when the policy is used for access control, in addition to making a grant or deny decision, the system can also guess with high probability the identity of the subject making the request. Other approaches to achieving anonymity in attribute-based authorization do not address this attribute distribution problem. Suppose polices contain conjunctions of at most $t$ attributes and the system must not be able to guess with probability greater than $\frac{1}{r}$ the identity of a subject using a policy for authorization. We say the anonymity guarantee is $r$ for maximum credential size $t$. An anonymizing array is a combinatorial array proposed as an abstraction to address the underlying attribute distribution problem by ensuring that any assignment of values to $t$ attributes appearing in the array appears at least $r$ times. Anonymizing arrays are related to covering arrays with higher coverage, but have an additional desired property, homogeneity, due to their application domain. In this work, we discuss the application of anonymizing arrays to guarantee anonymous authorization in attribute-based methods. Additionally, we develop metrics, local and global homogeneity, to compare anonymizing arrays with the same parameters.
- Abstract（参考訳）: 属性ベースのアクセス制御や属性ベースの暗号化といった属性ベースの手法は、被験者のアイデンティティではなく、被写体が所有する属性に基づいて決定を行う。
これは匿名の認証を可能にするが、被写体が被写体の身元を知らずに認証されていると判断することは、匿名性を保証するものではない。
ポリシーを構成することで、ポリシーを満たす属性をほとんど持たない場合、そのポリシーがアクセス制御に使用される場合、認可や拒否の判断に加えて、要求を行う対象の同一性を高い確率で推測することができる。
属性ベースの認証において匿名性を実現する他のアプローチは、属性分布の問題に対処しない。
警察は、少なくとも$t$属性の接続を含むと仮定し、システムは、承認のためのポリシーを使用して被検体の同一性に対して$\frac{1}{r}以上の確率で推測することができないと仮定する。
匿名性保証は最大クレデンシャルサイズ$t$に対して$r$です。
匿名化配列(英: anonymizing array)は、配列に現れる$t$属性への値の割り当てが少なくとも$r$倍に現れることを保証することで、基礎となる属性分布問題に対処するための抽象化として提案された組合せ配列である。
配列の匿名化は、より高いカバレッジを持つ配列をカバーすることに関連しているが、アプリケーションドメインのため、さらに望ましい特性、均一性を持っている。
本稿では,属性ベースの手法における匿名認証を保証するために,匿名化アレイの適用について論じる。
さらに、同じパラメータで匿名化配列を比較するために、局所的および大域的均質性というメトリクスを開発する。
関連論文リスト
- Robust Utility-Preserving Text Anonymization Based on Large Language Models [80.5266278002083]
テキストの匿名化は、プライバシーを維持しながら機密データを共有するために重要である。
既存の技術は、大規模言語モデルの再識別攻撃能力の新たな課題に直面している。
本稿では,3つのLCMベースコンポーネント – プライバシ評価器,ユーティリティ評価器,最適化コンポーネント – で構成されるフレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-16T14:28:56Z) - IncogniText: Privacy-enhancing Conditional Text Anonymization via LLM-based Private Attribute Randomization [8.483679748399037]
IncogniTextは,テキストを匿名化して潜在的敵を誤認し,誤った属性値を予測する手法である。
実証評価の結果,私的属性の漏洩が90%以上減少した。
論文 参考訳（メタデータ） (2024-07-03T09:49:03Z) - HetDAPAC: Distributed Attribute-Based Private Access Control with Heterogeneous Attributes [35.16231062731263]
本稿では,属性のサブセットを中央サーバにオフロードして検証することで,Jafarpishehなどでは$frac12K$から$frac1K+1$に向上することを示す。
論文 参考訳（メタデータ） (2024-01-24T18:48:28Z) - Unsupervised Text Deidentification [101.2219634341714]
個人識別情報を漏洩する単語を隠蔽する教師なしの識別手法を提案する。
K匿名性に基づくプライバシによって動機づけられた私たちは、最小の再識別ランクを保証するリアクションを生成します。
論文 参考訳（メタデータ） (2022-10-20T18:54:39Z) - I still know it's you! On Challenges in Anonymizing Source Code [8.564130805577939]
コードの帰属は、反検閲とプライバシー強化技術の開発者にとって脅威となる。
コード匿名化に関する推論のためのフレームワークを開発する。
攻撃者が匿名化に気付くと、いずれの手法も十分な保護を提供しないことがわかった。
論文 参考訳（メタデータ） (2022-08-26T10:07:27Z) - Smooth Anonymity for Sparse Graphs [69.1048938123063]
しかし、スパースデータセットを共有するという点では、差分プライバシーがプライバシのゴールドスタンダードとして浮上している。
本研究では、スムーズな$k$匿名性(スムーズな$k$匿名性)と、スムーズな$k$匿名性(スムーズな$k$匿名性)を提供する単純な大規模アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-07-13T17:09:25Z) - Protecting Anonymous Speech: A Generative Adversarial Network
Methodology for Removing Stylistic Indicators in Text [2.9005223064604078]
我々は,生成的敵ネットワークの構築によるオーサリングの匿名化への新たなアプローチを開発する。
完全自動方式は,コンテンツ保存や流布の点で他の手法と同等の結果が得られる。
我々のアプローチは、オープンセットの文脈に順応し、これまで遭遇したことのない著者の文章を匿名化することができる。
論文 参考訳（メタデータ） (2021-10-18T17:45:56Z) - rx-anon -- A Novel Approach on the De-Identification of Heterogeneous
Data based on a Modified Mondrian Algorithm [3.077802365568915]
rx-anonは、リレーショナル属性とテキスト属性からなる異種半構造化文書の匿名化手法である。
テキストから抽出したセンシティブな用語を構造化データにマップする。
データを一貫して匿名化するために、冗長な機密情報の概念を導入する。
論文 参考訳（メタデータ） (2021-05-18T21:50:12Z) - Disentanglement-based Cross-Domain Feature Augmentation for Effective
Unsupervised Domain Adaptive Person Re-identification [87.72851934197936]
Unsupervised Domain Adaptive (UDA) Person Re-identification (ReID) は、ラベル付きソースドメインからラベル付きターゲットドメインへ知識を転送することを目的としている。
ひとつの課題は、トレーニング用に信頼できるラベルでターゲットドメインサンプルを生成する方法だ。
ディスタングルメントに基づくクロスドメイン機能拡張戦略を提案する。
論文 参考訳（メタデータ） (2021-03-25T15:28:41Z) - Self-paced Contrastive Learning with Hybrid Memory for Domain Adaptive
Object Re-ID [55.21702895051287]
ドメイン適応オブジェクトre-IDは、学習した知識をラベル付けされたソースドメインからラベル付けされていないターゲットドメインに転送することを目的としています。
本稿では,ハイブリットメモリを用いた自己評価型コントラスト学習フレームワークを提案する。
提案手法は,オブジェクトre-IDの複数のドメイン適応タスクにおいて,最先端の処理性能を向上する。
論文 参考訳（メタデータ） (2020-06-04T09:12:44Z) - Sparsely-Labeled Source Assisted Domain Adaptation [64.75698236688729]
本稿では,Sparsely-Labeled Source Assisted Domain Adaptation (SLSA-DA)アルゴリズムを提案する。
ラベル不足の問題により、ソースドメインとターゲットドメインの両方で投影されたクラスタリングが行われる。
論文 参考訳（メタデータ） (2020-05-08T15:37:35Z)
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。