論文の概要: Time-Efficient Locally Relevant Geo-Location Privacy Protection
- arxiv url: http://arxiv.org/abs/2407.13725v3
- Date: Sat, 14 Dec 2024 04:39:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 13:48:35.572978
- Title: Time-Efficient Locally Relevant Geo-Location Privacy Protection
- Title（参考訳）: 時間効率な局所的位置情報プライバシー保護
- Authors: Chenxi Qiu, Ruiyao Liu, Primal Pappachan, Anna Squicciarini, Xinpeng Xie,
- Abstract要約: 本稿では,リニアプログラミング(LP)を用いた地中難読化を時間効率よく最適化するために,地域関連地中難読化(LR-Geo)を提案する。
これは、各ユーザの地理的難読化計算を、ローカル関連(LR)ロケーションのみをユーザの実際のロケーションに限定することで達成される。
理論的解析により,各ユーザの地理的難読度は独立に計算されているものの,高い確率で複数のユーザ間での地理的不識別性制約を満たしていることが確認された。
- 参考スコア（独自算出の注目度）: 1.8725443025607187
- License:
- Abstract: Geo-obfuscation serves as a location privacy protection mechanism (LPPM), enabling mobile users to share obfuscated locations with servers, rather than their exact locations. This method can protect users' location privacy when data breaches occur on the server side since the obfuscation process is irreversible. To reduce the utility loss caused by data obfuscation, linear programming (LP) is widely employed, which, however, might suffer from a polynomial explosion of decision variables, rendering it impractical in largescale geo-obfuscation applications. In this paper, we propose a new LPPM, called Locally Relevant Geo-obfuscation (LR-Geo), to optimize geo-obfuscation using LP in a time-efficient manner. This is achieved by confining the geo-obfuscation calculation for each user exclusively to the locally relevant (LR) locations to the user's actual location. Given the potential risk of LR locations disclosing a user's actual whereabouts, we enable users to compute the LP coefficients locally and upload them only to the server, rather than the LR locations. The server then solves the LP problem based on the received coefficients. Furthermore, we refine the LP framework by incorporating an exponential obfuscation mechanism to guarantee the indistinguishability of obfuscation distribution across multiple users. Based on the constraint structure of the LP formulation, we apply Benders' decomposition to further enhance computational efficiency. Our theoretical analysis confirms that, despite the geo-obfuscation being calculated independently for each user, it still meets geo-indistinguishability constraints across multiple users with high probability. Finally, the experimental results based on a real-world dataset demonstrate that LR-Geo outperforms existing geo-obfuscation methods in computational time, data utility, and privacy preservation.
- Abstract（参考訳）: ジオ・オブファシケーションは位置プライバシー保護機構(LPPM)として機能し、モバイルユーザーは正確な位置ではなく、難読化された場所をサーバと共有することができる。
この方法は、難読化処理が不可逆であるため、サーバ側でデータ漏洩が発生した場合、ユーザの位置情報のプライバシを保護することができる。
データ難読化による実用的損失を低減するために、線形プログラミング(LP)が広く採用されているが、これは決定変数の多項式爆発に悩まされ、大規模な測地難読化アプリケーションでは実現不可能である。
本稿では, LP を用いたジオ・オブファシケーションを時間効率良く最適化するための新しい LPPM である Locally Relevant Geo-obfuscation (LR-Geo) を提案する。
これは、各ユーザの地理的難読化計算を、ローカル関連(LR)ロケーションのみをユーザの実際のロケーションに限定することで達成される。
ユーザの実際の居場所を開示するLRロケーションの潜在的なリスクを考えると、ユーザはローカルでLP係数を計算し、LRロケーションではなくサーバにのみアップロードすることができる。
サーバは、受信した係数に基づいてLP問題を解く。
さらに,複数のユーザ間での難読化分布の不明瞭性を保証するために,指数的難読化機構を組み込むことにより,LPフレームワークを改良する。
LP定式化の制約構造に基づいて、Bendersの分解を適用し、計算効率をさらに高める。
理論的解析により,各ユーザの地理的難読度は独立に計算されているものの,高い確率で複数のユーザ間での地理的不識別性制約を満たしていることが確認された。
最後に、実世界のデータセットに基づく実験結果から、LR-Geoは計算時間、データユーティリティ、プライバシ保護において、既存の測地難読化手法よりも優れていることを示した。
関連論文リスト
- Protecting Vehicle Location Privacy with Contextually-Driven Synthetic Location Generation [5.283624671933499]
車両位置情報のプライバシー保護におけるGeo-Indの脆弱性を実証する新たな脅威モデルであるVehiTrackを紹介した。
VehiTrackは、難読データから正確な車の位置を正確に決定できる。
本研究では,現実的な車両運動パターンに難読化を限定する新しい測地難読化手法であるTransProtectを提案する。
論文 参考訳（メタデータ） (2024-09-14T17:47:23Z) - GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。
我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。
実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文 参考訳（メタデータ） (2023-10-10T00:03:23Z) - GeoCLIP: Clip-Inspired Alignment between Locations and Images for
Effective Worldwide Geo-localization [61.10806364001535]
世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。
既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。
画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
論文 参考訳（メタデータ） (2023-09-27T20:54:56Z) - Systematic Evaluation of Geolocation Privacy Mechanisms [6.356211727228669]
位置情報プライバシ保護メカニズム(LPPM)は、共有データのプライバシを確保するために、以前の研究によって提案されている。
LPPMの感度について, 使用シナリオについて検討した。
論文 参考訳（メタデータ） (2023-09-12T14:23:19Z) - Acceleration of Federated Learning with Alleviated Forgetting in Local
Training [61.231021417674235]
フェデレートラーニング(FL)は、プライバシを保護しながら機械学習モデルの分散最適化を可能にする。
我々は,FedRegを提案する。FedRegは,局所的な訓練段階において,知識を忘れることなくFLを加速するアルゴリズムである。
我々の実験は、FedRegはFLの収束率を著しく改善するだけでなく、特にニューラルネットワークアーキテクチャが深い場合にも改善することを示した。
論文 参考訳（メタデータ） (2022-03-05T02:31:32Z) - Viewpoint Invariant Dense Matching for Visual Geolocalization [15.8038460597256]
本研究では,局所的特徴量に基づく画像マッチング手法を提案する。
我々の手法はGeoWarpと呼ばれ、高密度な特徴を抽出する過程において、視点シフトへの不変性を直接埋め込む。
GeoWarpは、既存の視覚的ジオローカライゼーションパイプラインに簡単に組み込むことができる、リグレードメソッドとして効率的に実装されている。
論文 参考訳（メタデータ） (2021-09-20T20:17:38Z) - Lossless Compression of Efficient Private Local Randomizers [55.657133416044104]
Locally Differentially Private (LDP) Reportsは、フェデレーション設定における統計と機械学習の収集に一般的に使用されます。
多くの場合、最もよく知られたldpアルゴリズムは、クライアントデバイスからサーバに強制的に大きなメッセージを送信する必要がある。
これにより、LDPアルゴリズムの通信コストの削減に大きく貢献しています。
論文 参考訳（メタデータ） (2021-02-24T07:04:30Z) - Fewer is More: A Deep Graph Metric Learning Perspective Using Fewer
Proxies [65.92826041406802]
本稿では,グラフ分類の観点から,プロキシベースのディープグラフメトリックラーニング手法を提案する。
複数のグローバルプロキシを利用して、各クラスの元のデータポイントを総括的に近似する。
本研究では, 近接関係を接地トラス・ラベルに従って調整する, 新たな逆ラベル伝搬アルゴリズムを設計する。
論文 参考訳（メタデータ） (2020-10-26T14:52:42Z) - Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。
本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。
実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文 参考訳（メタデータ） (2020-07-20T12:07:48Z)
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。