Fugu-MT 論文翻訳(概要): Towards a decentralized data privacy protocol for self-sovereignty in the digital world

論文の概要: Towards a decentralized data privacy protocol for self-sovereignty in the digital world

arxiv url: http://arxiv.org/abs/2404.12837v1
Date: Fri, 19 Apr 2024 12:19:04 GMT
ステータス: 処理完了
システム内更新日: 2024-04-22 15:07:01.808264
Title: Towards a decentralized data privacy protocol for self-sovereignty in the digital world
Title（参考訳）: デジタル世界における自己主権のための分散データプライバシプロトコル
Authors: Rodrigo Falcão, Arghavan Hosseinzadeh,
Abstract要約: クロスサービスプライバシ・プライバシ・プライオリティ管理のためのリッチなユーザ中心アプローチへのパラダイムシフトを提案する。本稿では,分散データプライバシプロトコルの実現を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A typical user interacts with many digital services nowadays, providing these services with their data. As of now, the management of privacy preferences is service-centric: Users must manage their privacy preferences according to the rules of each service provider, meaning that every provider offers its unique mechanisms for users to control their privacy settings. However, managing privacy preferences holistically (i.e., across multiple digital services) is just impractical. In this vision paper, we propose a paradigm shift towards an enriched user-centric approach for cross-service privacy preferences management: the realization of a decentralized data privacy protocol.
Abstract（参考訳）: 一般的なユーザは、今日では多くのデジタルサービスと対話し、これらのサービスにデータを提供する。ユーザーは各サービスプロバイダのルールに従ってプライバシ設定を管理しなければならない。つまり、すべてのプロバイダが、ユーザがプライバシ設定を制御するための独自のメカニズムを提供する。しかし、プライバシーの優先事項(すなわち、複数のデジタルサービス)の管理は現実的ではない。本稿では,分散データプライバシプロトコルの実現という,クロスサービスプライバシ優先管理のためのリッチなユーザ中心アプローチへのパラダイムシフトを提案する。

関連論文リスト

Masked Differential Privacy [64.32494202656801]
本稿では,差分プライバシーを適用した機密領域を制御できる「マスク型差分プライバシー(DP)」という効果的なアプローチを提案する。提案手法はデータに基づいて選択的に動作し,DPアプリケーションや差分プライバシーをデータサンプル内の他のプライバシー技術と組み合わせることなく,非感性時間領域を定義できる。
論文参考訳（メタデータ） (2024-10-22T15:22:53Z)
Privacy-Preserving Data Management using Blockchains [0.0]
データプロバイダは、データ使用量の変化によって、既存のプライバシの好みをコントロールし、更新する必要がある。本稿では,データプロバイダがプライベートで機密性の高いデータを保存するためのブロックチェーンベースの方法論を提案する。
論文参考訳（メタデータ） (2024-08-21T01:10:39Z)
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)
Randomized algorithms for precise measurement of differentially-private, personalized recommendations [6.793345945003182]
本稿では,高精度かつ偏りのある測定を容易にするパーソナライズされたレコメンデーションのためのアルゴリズムを提案する。提案するプライバシ保護アルゴリズムが,ユーザエクスペリエンスや広告主の価値,プラットフォーム収益に関連する重要な指標に与える影響を定量化するために,オフライン実験を実施している。
論文参考訳（メタデータ） (2023-08-07T17:34:58Z)
Protecting User Privacy in Online Settings via Supervised Learning [69.38374877559423]
我々は、教師付き学習を活用する、オンラインプライバシ保護に対するインテリジェントなアプローチを設計する。ユーザのプライバシを侵害する可能性のあるデータ収集を検出してブロックすることにより、ユーザに対してある程度のディジタルプライバシを復元することが可能になります。
論文参考訳（メタデータ） (2023-04-06T05:20:16Z)
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)
Algorithms with More Granular Differential Privacy Guarantees [65.3684804101664]
我々は、属性ごとのプライバシー保証を定量化できる部分微分プライバシー(DP)について検討する。本研究では,複数の基本データ分析および学習タスクについて検討し,属性ごとのプライバシパラメータが個人全体のプライバシーパラメータよりも小さい設計アルゴリズムについて検討する。
論文参考訳（メタデータ） (2022-09-08T22:43:50Z)
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)
Ride Sharing & Data Privacy: An Analysis of the State of Practice [0.0]
私たちは、人気のライドシェアサービスがどのようにユーザーのプライバシーを扱い、現在の状況を評価するかを分析した。結果は、サービスにはさまざまな個人データが含まれており、プライバシー関連の機能は限られていることを示している。
論文参考訳（メタデータ） (2021-10-18T11:06:06Z)
PrivEdge: From Local to Distributed Private Training and Prediction [43.02041269239928]
PrivEdgeはプライバシ保護機械学習(ML)のためのテクニック PrivEdgeは、トレーニングのためにデータを提供するユーザのプライバシと、予測サービスを使用するユーザのプライバシを保護する。 PrivEdgeは、プライバシの保存や、プライベートイメージと非プライベートイメージの区別において、高い精度とリコールを持っていることを示す。
論文参考訳（メタデータ） (2020-04-12T09:26:12Z)

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。