論文の概要: Privacy-Preserving Hierarchical Anonymization Framework over Encrypted Data
- arxiv url: http://arxiv.org/abs/2310.12401v1
- Date: Thu, 19 Oct 2023 01:08:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-19 02:03:55.758355
- Title: Privacy-Preserving Hierarchical Anonymization Framework over Encrypted Data
- Title（参考訳）: 暗号化データによるプライバシー保護階層匿名化フレームワーク
- Authors: Jing Jia, Kenta Saito, Hiroaki Nishi,
- Abstract要約: 本研究では、同型暗号と2種類のドメインからなる秘密共有を用いた階層的k匿名化フレームワークを提案する。
実験により、2つのドメインを接続することで匿名化プロセスが促進され、提案したセキュア階層型アーキテクチャが実用的かつ効率的であることが示唆された。
- 参考スコア（独自算出の注目度）: 0.061446808540639365
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Smart cities, which can monitor the real world and provide smart services in a variety of fields, have improved people's living standards as urbanization has accelerated. However, there are security and privacy concerns because smart city applications collect large amounts of privacy-sensitive information from people and their social circles. Anonymization, which generalizes data and reduces data uniqueness is an important step in preserving the privacy of sensitive information. However, anonymization methods frequently require large datasets and rely on untrusted third parties to collect and manage data, particularly in a cloud environment. In this case, private data leakage remains a critical issue, discouraging users from sharing their data and impeding the advancement of smart city services. This problem can be solved if the computational entity can perform the anonymization process without obtaining the original plain text. This study proposed a hierarchical k-anonymization framework using homomorphic encryption and secret sharing composed of two types of domains. Different computing methods are selected flexibly, and two domains are connected hierarchically to obtain higher-level anonymization results in an efficient manner. The experimental results show that connecting two domains can accelerate the anonymization process, indicating that the proposed secure hierarchical architecture is practical and efficient.
- Abstract（参考訳）: スマートシティは、現実世界を監視し、さまざまな分野でスマートサービスを提供し、都市化が加速するにつれて人々の生活水準を改善している。
しかし、スマートシティアプリケーションは、人々とその社会的サークルから大量のプライバシーに敏感な情報を収集するため、セキュリティとプライバシに関する懸念がある。
データを一般化し、データのユニークさを低減する匿名化は、機密情報のプライバシーを維持するための重要なステップである。
しかし、匿名化手法は大規模なデータセットを必要とすることが多く、特にクラウド環境では信頼できないサードパーティがデータを収集・管理する。
この場合、プライベートなデータ漏洩は依然として重大な問題であり、ユーザーはデータの共有を妨げ、スマートシティサービスの進歩を妨げる。
この問題は、計算エンティティが元のプレーンテキストを得ることなく匿名化処理を実行できる場合に解決できる。
本研究では、同型暗号と2種類のドメインからなる秘密共有を用いた階層的k匿名化フレームワークを提案する。
異なる計算方法が柔軟に選択され、2つのドメインが階層的に連結され、より高い匿名化が得られる。
実験により、2つのドメインを接続することで匿名化プロセスが促進され、提案したセキュア階層型アーキテクチャが実用的かつ効率的であることが示唆された。
関連論文リスト
- Evaluating Differentially Private Synthetic Data Generation in High-Stakes Domains [9.123834467375532]
実データの代わりに、微分プライベート言語モデルから生成された合成データを用いて、高速領域におけるNLPの開発を容易にする可能性について検討する。
以上の結果から,従来の簡易評価では,合成データの有用性,プライバシ,公平性を強調できなかったことが示唆された。
論文 参考訳（メタデータ） (2024-10-10T19:31:02Z) - Smart Contract Coordinated Privacy Preserving Crowd-Sensing Campaigns [4.204990010424083]
クラウドセンシングは強力なデータ検索モデルとして登場し、アクティブなユーザ参加を活用することで多様なアプリケーションを可能にする。
データ暗号化や匿名化といった従来の手法は、必須ではあるが、これらの問題を完全に解決するものではない。
本稿では,スマートコントラクトとブロックチェーン技術を利用してクラウドセンシングキャンペーンを管理するシステムを提案する。
論文 参考訳（メタデータ） (2024-08-20T08:41:57Z) - 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) - Consistent community detection in multi-layer networks with heterogeneous differential privacy [4.451479907610764]
本稿では,各ノードのプライバシ設定に基づいて,エッジ情報を保護可能なエッジフリップ機構を提案する。
多層度補正ブロックモデルの下でコミュニティ構造を保ちながら、差分プライバシーを実現することができる。
エッジのより優れたプライバシ保護は、ノードの割合で取得可能であると同時に、他のノードがプライバシを放棄できることが示されています。
論文 参考訳（メタデータ） (2024-06-20T22:49:55Z) - 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) - A Trajectory K-Anonymity Model Based on Point Density and Partition [0.0]
本稿では点密度と分割(K PDP)に基づく軌道K匿名性モデルを開発する。
再識別攻撃に抵抗し、k匿名データセットのデータユーティリティ損失を低減する。
論文 参考訳（メタデータ） (2023-07-31T17:10:56Z) - DP2-Pub: Differentially Private High-Dimensional Data Publication with
Invariant Post Randomization [58.155151571362914]
本稿では,2つのフェーズで動作する差分プライベートな高次元データパブリッシング機構(DP2-Pub)を提案する。
属性をクラスタ内凝集度の高い低次元クラスタに分割し、クラスタ間の結合度を低くすることで、適切なプライバシ予算を得ることができる。
また、DP2-Pubメカニズムを、ローカルの差分プライバシーを満たす半正直なサーバでシナリオに拡張します。
論文 参考訳（メタデータ） (2022-08-24T17:52:43Z) - 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) - Reinforcement Learning on Encrypted Data [58.39270571778521]
本稿では,DQNエージェントが,離散的かつ連続的な状態空間を持つ環境でどのように動作するかを予備的,実験的に検討する。
その結果,非決定論的暗号が存在する場合でも,エージェントは依然として小さな状態空間で学習することができるが,より複雑な環境では性能が低下することがわかった。
論文 参考訳（メタデータ） (2021-09-16T21:59:37Z) - Swarm Differential Privacy for Purpose Driven
Data-Information-Knowledge-Wisdom Architecture [2.38142799291692]
データ情報知識(DIKW)の広い視野のプライバシー保護について検討する。
差分プライバシーは効果的なデータプライバシーアプローチであることが判明したため、DIKWドメインの観点から見ていきます。
Swarm Intelligenceは、差分プライバシーで使用されるDIKW内のアイテムの数を効果的に最適化し、削減できます。
論文 参考訳（メタデータ） (2021-05-09T23:09:07Z) - Differentially Private Multi-Agent Planning for Logistic-like Problems [70.3758644421664]
本稿では,ロジスティックな問題に対する強力なプライバシ保護計画手法を提案する。
1) 強いプライバシー、完全性、効率性、2) 通信制約に対処する2つの課題に対処する。
我々の知る限り、マルチエージェントプランニングの分野に差分プライバシーを適用したのは、この論文が初めてである。
論文 参考訳（メタデータ） (2020-08-16T03:43:09Z)
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。