論文の概要: A Survey on Differential Privacy for SpatioTemporal Data in Transportation Research

• arxiv url: http://arxiv.org/abs/2407.15868v1
• Date: Thu, 18 Jul 2024 03:19:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-24 21:54:39.960676
• Title: A Survey on Differential Privacy for SpatioTemporal Data in Transportation Research
• Title（参考訳）: 交通研究における時空間データの差分プライバシーに関する調査
• Authors: Rahul Bhadani,
• Abstract要約: 交通機関では、時空間データ収集が急増している。 このようなデータにおける微分プライバシーの最近の発展は、応用プライバシーの研究につながっている。 個人情報を公開することなく、研究や推論におけるこのようなデータの必要性に対処するために、重要な研究が提案されている。
• 参考スコア（独自算出の注目度）: 0.9790236766474202
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With low-cost computing devices, improved sensor technology, and the proliferation of data-driven algorithms, we have more data than we know what to do with. In transportation, we are seeing a surge in spatiotemporal data collection. At the same time, concerns over user privacy have led to research on differential privacy in applied settings. In this paper, we look at some recent developments in differential privacy in the context of spatiotemporal data. Spatiotemporal data contain not only features about users but also the geographical locations of their frequent visits. Hence, the public release of such data carries extreme risks. To address the need for such data in research and inference without exposing private information, significant work has been proposed. This survey paper aims to summarize these efforts and provide a review of differential privacy mechanisms and related software. We also discuss related work in transportation where such mechanisms have been applied. Furthermore, we address the challenges in the deployment and mass adoption of differential privacy in transportation spatiotemporal data for downstream analyses.
• Abstract（参考訳）: 低コストのコンピューティングデバイス、センサー技術の改善、データ駆動アルゴリズムの普及などにより、私たちは何をすべきかより多くのデータを持っています。 交通機関では、時空間データ収集が急増している。 同時に、ユーザのプライバシに関する懸念が、適用された設定における差分プライバシの研究につながっている。 本稿では、時空間データの文脈における微分プライバシーの最近の発展について考察する。 時空間データには、ユーザの特徴だけでなく、頻繁な訪問の地理的位置も含まれている。 したがって、そのようなデータの公開には極端なリスクが伴う。 個人情報を公開することなく、研究や推論におけるこのようなデータの必要性に対処するために、重要な研究が提案されている。 本研究は,これらの取り組みを要約し,差分プライバシー機構と関連するソフトウェアについてレビューすることを目的とする。 また、このようなメカニズムが適用された輸送における関連作業についても論じる。 さらに、下流分析のための交通時空間データにおける差分プライバシーの展開と大量導入の課題に対処する。

関連論文リスト

• Collection, usage and privacy of mobility data in the enterprise and public administrations [55.2480439325792]
  個人のプライバシーを守るためには、匿名化などのセキュリティ対策が必要である。 本研究では,現場における実践の洞察を得るために,専門家によるインタビューを行った。 我々は、一般的には最先端の差分プライバシー基準に準拠しない、使用中のプライバシー強化手法を調査した。
  論文  参考訳（メタデータ） (2024-07-04T08:29:27Z)
• Measuring Privacy Loss in Distributed Spatio-Temporal Data [26.891854386652266]
  本稿では,情報提供者による位置復元攻撃に対する代替プライバシ損失を提案する。 実データと合成データに関する我々の実験は、分散環境での個人のプライバシー侵害に対する直感を反映していることを示している。
  論文  参考訳（メタデータ） (2024-02-18T09:53:14Z)
• Causal Discovery Under Local Privacy [5.7835417207193585]
  ローカル差分プライバシーは、データプロバイダが個別にデータに民営化メカニズムを適用できる変種である。 局所的差分的私的メカニズムをよく知られており、それらが提供するプライバシと、アルゴリズムが因果学習のために生成する因果構造の正確性とのトレードオフを比較検討する。
  論文  参考訳（メタデータ） (2023-11-07T14:44:27Z)
• Where you go is who you are -- A study on machine learning based semantic privacy attacks [3.259843027596329]
  本稿では,2つの攻撃シナリオ,すなわち位置分類とユーザプロファイリングを体系的に分析する。 Foursquareのデータセットと追跡データの実験は、高品質な空間情報の悪用の可能性を示している。 以上の結果から,追跡データや空間文脈データのデータベース化のリスクが指摘される。
  論文  参考訳（メタデータ） (2023-10-26T17:56:50Z)
• 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)
• 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)
• Releasing survey microdata with exact cluster locations and additional privacy safeguards [77.34726150561087]
  本稿では,プライバシ保護を付加した独自のマイクロデータの有用性を活用した,代替的なマイクロデータ配信戦略を提案する。 当社の戦略は, 再識別の試みにおいても, 任意の属性に対する再識別リスクを60～80%削減する。
  論文  参考訳（メタデータ） (2022-05-24T19:37:11Z)
• Post-processing of Differentially Private Data: A Fairness Perspective [53.29035917495491]
  本稿では,ポストプロセッシングが個人やグループに異なる影響を与えることを示す。 差分的にプライベートなデータセットのリリースと、ダウンストリームの決定にそのようなプライベートなデータセットを使用するという、2つの重要な設定を分析している。 それは、異なる公正度尺度の下で(ほぼ)最適である新しい後処理機構を提案する。
  論文  参考訳（メタデータ） (2022-01-24T02:45:03Z)
• Deep Directed Information-Based Learning for Privacy-Preserving Smart Meter Data Release [30.409342804445306]
  本稿では,時系列データとスマートメータ(SM)電力消費測定の文脈における問題点について検討する。 我々は、考慮された設定において、より意味のあるプライバシーの尺度として、指向情報(DI)を導入します。 最悪のシナリオにおけるSMs測定による実世界のデータセットに関する実証的研究は、プライバシとユーティリティの既存のトレードオフを示している。
  論文  参考訳（メタデータ） (2020-11-20T13:41:11Z)
• Differential Privacy of Hierarchical Census Data: An Optimization Approach [53.29035917495491]
  国勢調査局(Census Bureaus)は、個人に関する機密情報を明らかにすることなく、大人口に関する社会経済的データをまとめて公開することに興味を持っている。 最近の出来事では、これらの組織が直面しているプライバシー上の課題がいくつか特定されている。 本稿では,階層的な個人数を解放する新たな差分プライバシ機構を提案する。
  論文  参考訳（メタデータ） (2020-06-28T18:19:55Z)

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。