論文の概要: The Impact of Cloaking Digital Footprints on User Privacy and Personalization

• arxiv url: http://arxiv.org/abs/2312.15000v1
• Date: Fri, 22 Dec 2023 16:32:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-27 20:25:40.680900
• Title: The Impact of Cloaking Digital Footprints on User Privacy and Personalization
• Title（参考訳）: デジタルフットプリントのクローズがユーザのプライバシーとパーソナライゼーションに及ぼす影響
• Authors: Sofie Goethals, Sandra Matz, Foster Provost, Yanou Ramon, David Martens
• Abstract要約: プラットフォームにより、ユーザーは予測アルゴリズムからデジタルフットプリントの一部を隠して、望ましくない推論を避けることができる。 人々が常に新しいデジタルフットプリントを残しているとき、アルゴリズムは以前クローズされた特性を予測する能力を取り戻すかもしれない。 本稿では,「メタファチュア」を隠蔽し,既存のクローキング手法と比較する,新しいクローキング戦略を提案する。
• 参考スコア（独自算出の注目度）: 0.932065750652415
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Our online lives generate a wealth of behavioral records -'digital footprints'- which are stored and leveraged by technology platforms. This data can be used to create value for users by personalizing services. At the same time, however, it also poses a threat to people's privacy by offering a highly intimate window into their private traits (e.g., their personality, political ideology, sexual orientation). Prior work has proposed a potential remedy: The cloaking of users' footprints. That is, platforms could allow users to hide portions of their digital footprints from predictive algorithms to avoid undesired inferences. While such an approach has been shown to offer privacy protection in the moment, there are two open questions. First, it remains unclear how well cloaking performs over time. As people constantly leave new digital footprints, the algorithm might regain the ability to predict previously cloaked traits. Second, cloaking digital footprints to avoid one undesirable inference may degrade the performance of models for other, desirable inferences (e.g., those driving desired personalized content). In the light of these research gaps, our contributions are twofold: 1) We propose a novel cloaking strategy that conceals 'metafeatures' (automatically generated higher-level categories) and compares its effectiveness against existing cloaking approaches, and 2) we test the spill-over effects of cloaking one trait on the accuracy of inferences on other traits. A key finding is that the effectiveness of cloaking degrades over times, but the rate at which it degrades is significantly smaller when cloaking metafeatures rather than individual footprints. In addition, our findings reveal the expected trade-off between privacy and personalization: Cloaking an undesired trait also partially conceals other desirable traits.
• Abstract（参考訳）: 私たちのオンライン生活は、技術プラットフォームによって蓄積され活用される、豊富な行動記録('デジタルフットプリント')を生み出します。 このデータは、サービスをパーソナライズすることで、ユーザにとっての価値を生み出すために使用できる。 しかし同時に、個人の特性(例えば、彼らの個性、政治的イデオロギー、性的指向)に非常に親密な窓を提供することで、人々のプライバシーを脅かす。 以前の研究は、ユーザのフットプリントのクローキングという潜在的な修正を提案している。 つまり、ユーザーは予測アルゴリズムからデジタルフットプリントの一部を隠して、望ましくない推論を避けることができる。 このようなアプローチは、現時点ではプライバシー保護を提供することが示されているが、2つのオープンな疑問がある。 第一に、クローキングが時間とともにどれだけうまく機能するかは不明だ。 人々が常に新しいデジタルフットプリントを離れるにつれて、アルゴリズムは以前のクロークされた特性を予測する能力を取り戻すかもしれない。 第二に、望ましくない推論を避けるためにデジタルフットプリントをクローズすることは、他の望ましい推論(例えば、望ましいパーソナライズされたコンテンツを駆動しているもの)に対するモデルの性能を低下させる可能性がある。 これらの研究ギャップに照らして、私たちの貢献は2つあります。 1)メタフィーチャー(自動生成高レベルカテゴリ)を隠蔽する新しいクローキング戦略を提案し,その効果を既存のクローキングアプローチと比較する。 2) 一つの形質が他の形質に対する推論の正確性に及ぼす影響を検証した。 重要な発見は、クローキングの有効性は時間とともに低下するが、その低下率は、個々のフットプリントよりもメタフィーチャーをクロークする場合にかなり小さいことである。 さらに、われわれの発見はプライバシーとパーソナライゼーションのトレードオフが期待されていることを明らかにしている: 望ましくない特徴を隠すことも、他の望ましい特徴を部分的に隠している。

関連論文リスト

• Auditing Private Prediction [45.23153167486169]
  PATE, CaPC, PromptPATE, Private-kNNの4つのプライベート予測アルゴリズムのプライバシー漏洩について検討した。 実験の結果, (i) プライベート予測のプライバシー分析は改善され, (ii) 有害なアルゴリズムは, はるかに高いプライバシー侵害を引き起こし, (iii) プライバシー漏洩は, クエリ制御のない敵に対して, 完全制御のアルゴリズムよりも有意に低いことがわかった。
  論文  参考訳（メタデータ） (2024-02-14T18:59:27Z)
• Facial Data Minimization: Shallow Model as Your Privacy Filter [44.21738197282953]
  近年,顔データ漏洩によるセキュリティやプライバシの問題が数多く発生している。 本稿では,データプライバシ最小化変換(PMT)手法を提案する。 PMTは、認可されたサービスの浅いモデルに基づいて元の顔データを処理し、難読化されたデータを得る。
  論文  参考訳（メタデータ） (2023-10-24T07:54:39Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• TeD-SPAD: Temporal Distinctiveness for Self-supervised Privacy-preservation for video Anomaly Detection [59.04634695294402]
  人間の監視のないビデオ異常検出(VAD)は複雑なコンピュータビジョンタスクである。 VADのプライバシー漏洩により、モデルは人々の個人情報に関連する不必要なバイアスを拾い上げ、増幅することができる。 本稿では,視覚的プライベート情報を自己管理的に破壊する,プライバシーに配慮したビデオ異常検出フレームワークTeD-SPADを提案する。
  論文  参考訳（メタデータ） (2023-08-21T22:42:55Z)
• Training Private Models That Know What They Don't Know [40.19666295972155]
  いくつかの一般的な選択的予測手法は、差分的にプライベートな環境では効果がないことがわかった。 モデルユーティリティレベルを越えた選択予測性能を分離する新しい評価機構を提案する。
  論文  参考訳（メタデータ） (2023-05-28T12:20:07Z)
• How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
  DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。 プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
  論文  参考訳（メタデータ） (2022-11-18T11:39:03Z)
• The Privacy Onion Effect: Memorization is Relative [76.46529413546725]
  もっとも脆弱な外接点の"層"を取り除くことで、前もって安全だった点の新たな層を同じ攻撃に晒す。 これは、機械学習のようなプライバシー強化技術が、他のユーザーのプライバシーに悪影響を及ぼす可能性を示唆している。
  論文  参考訳（メタデータ） (2022-06-21T15:25:56Z)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• InfoScrub: Towards Attribute Privacy by Targeted Obfuscation [77.49428268918703]
  視覚データに流出した個人情報を個人が制限できる技術について検討する。 我々はこの問題を新しい画像難読化フレームワークで解決する。 提案手法では,元の入力画像に忠実な難読化画像を生成するとともに,非難読化画像に対して6.2$times$(または0.85bits)の不確実性を増大させる。
  論文  参考訳（メタデータ） (2020-05-20T19:48:04Z)
• Unsupervised Enhancement of Soft-biometric Privacy with Negative Face Recognition [13.555831336280407]
  テンプレートレベルでのソフトバイオメトリック・プライバシを高める新しい顔認識手法である負顔認識(NFR)を提案する。 当社のアプローチでは、プライバシに敏感なラベルは必要とせず、事前定義された属性に限らず、より包括的なプライバシ保護を提供します。
  論文  参考訳（メタデータ） (2020-02-21T08:37:16Z)

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。