論文の概要: Smart Contract Coordinated Privacy Preserving Crowd-Sensing Campaigns
- arxiv url: http://arxiv.org/abs/2408.10648v1
- Date: Tue, 20 Aug 2024 08:41:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-21 14:34:27.203776
- Title: Smart Contract Coordinated Privacy Preserving Crowd-Sensing Campaigns
- Title（参考訳）: クラウドセンシングキャンペーンを保存するスマートコントラクトコーディネートプライバシ
- Authors: Luca Bedogni, Stefano Ferretti,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.204990010424083
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Crowd-sensing has emerged as a powerful data retrieval model, enabling diverse applications by leveraging active user participation. However, data availability and privacy concerns pose significant challenges. Traditional methods like data encryption and anonymization, while essential, may not fully address these issues. For instance, in sparsely populated areas, anonymized data can still be traced back to individual users. Additionally, the volume of data generated by users can reveal their identities. To develop credible crowd-sensing systems, data must be anonymized, aggregated and separated into uniformly sized chunks. Furthermore, decentralizing the data management process, rather than relying on a single server, can enhance security and trust. This paper proposes a system utilizing smart contracts and blockchain technologies to manage crowd-sensing campaigns. The smart contract handles user subscriptions, data encryption, and decentralized storage, creating a secure data marketplace. Incentive policies within the smart contract encourage user participation and data diversity. Simulation results confirm the system's viability, highlighting the importance of user participation for data credibility and the impact of geographical data scarcity on rewards. This approach aims to balance data origin and reduce cheating risks.
- Abstract（参考訳）: 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。
しかし、データの可用性とプライバシに関する懸念は大きな課題を引き起こします。
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。
例えば、人口の少ない地域では、匿名化されたデータは個々のユーザーまで遡ることができる。
さらに、ユーザが生成したデータのボリュームは、自身のアイデンティティを明らかにすることができる。
信頼できるクラウドセンシングシステムの開発には、データを匿名化し、集約し、一様サイズのチャンクに分割する必要がある。
さらに、単一のサーバに頼るのではなく、データ管理プロセスの分散化によって、セキュリティと信頼性が向上する。
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。
スマートコントラクトは、ユーザサブスクリプション、データ暗号化、分散ストレージを処理し、セキュアなデータマーケットプレースを作成する。
スマートコントラクト内のインセンティブポリシーは、ユーザの参加とデータの多様性を促進する。
シミュレーションの結果,データの信頼性に対するユーザの参加の重要性と,地理的データ不足が報酬に与える影響を明らかにする。
このアプローチは、データの起源のバランスと不正なリスクの低減を目的としています。
関連論文リスト
- Marking the Pace: A Blockchain-Enhanced Privacy-Traceable Strategy for Federated Recommender Systems [11.544642210389894]
フェデレートされたレコメンデータシステムは、データ共有と継続的モデル更新によって強化されている。
IoTデータの感度を考えると、データ共有とモデル更新における透過的なデータ処理が最重要である。
既存の方法は、共有データのフローとモデル更新の進化をトレースするのに不足している。
プライバシ追跡可能なフェデレーションレコメンデータシステムであるLIBERATEを提案する。
論文 参考訳（メタデータ） (2024-06-07T07:21:21Z) - Improving Privacy-Preserving Techniques for Smart Grid using Lattice-based Cryptography [1.4856472820492366]
SPDBlockはブロックチェーンベースのソリューションで、プライバシ、完全性、攻撃に対する耐性を保証する。
多次元データ送信を効率的に処理しながら、悪意のあるエンティティを検出し、訴追する。
性能テストにより、SPDBlockは従来のスキームよりも通信と計算効率が優れていることが明らかになった。
論文 参考訳（メタデータ） (2024-04-17T19:51:52Z) - Decentralized Multimedia Data Sharing in IoV: A Learning-based Equilibrium of Supply and Demand [57.82021900505197]
インターネット・オブ・ビークルズ(IoV)は、道路の安全性を高め、交通渋滞を軽減し、インフォテインメントアプリケーションを通じてユーザーエクスペリエンスを向上させることにより、交通システムを変革する大きな可能性を秘めている。
分散データ共有は、セキュリティ、プライバシ、信頼性を改善し、IoVにおけるインフォテインメントデータの共有を容易にする。
市場における需給バランスを学習するための多知能強化学習に基づく分散型データ共有インセンティブ機構を提案する。
論文 参考訳（メタデータ） (2024-03-29T14:58:28Z) - Personalized Federated Learning with Attention-based Client Selection [57.71009302168411]
我々は,意図に基づくクライアント選択機構を備えた新しいPFLアルゴリズムであるFedACSを提案する。
FedACSは、類似したデータ分散を持つクライアント間のコラボレーションを強化するためのアテンションメカニズムを統合している。
CIFAR10とFMNISTの実験は、FedACSの優位性を検証する。
論文 参考訳（メタデータ） (2023-12-23T03:31:46Z) - Privacy-Preserving Hierarchical Anonymization Framework over Encrypted Data [0.061446808540639365]
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。
論文 参考訳（メタデータ） (2023-10-19T01:08:37Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳（メタデータ） (2023-07-29T12:54:03Z) - Blockchain-Based Federated Learning: Incentivizing Data Sharing and
Penalizing Dishonest Behavior [0.0]
本稿では,フェデレートラーニングにおけるデータ信頼を,InterPlanetary File System,ブロックチェーン,スマートコントラクトと統合する包括的フレームワークを提案する。
提案モデルは,データ共有プロセスの安全性と公平性を確保しつつ,フェデレーション学習モデルの精度向上に有効である。
研究論文では、MNISTデータセット上でCNNモデルをトレーニングした分散化したフェデレーション学習プラットフォームについても紹介する。
論文 参考訳（メタデータ） (2023-07-19T23:05:49Z) - 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) - Cross-Network Social User Embedding with Hybrid Differential Privacy
Guarantees [81.6471440778355]
プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。
特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。
ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
論文 参考訳（メタデータ） (2022-09-04T06:22:37Z) - Mitigating Leakage from Data Dependent Communications in Decentralized
Computing using Differential Privacy [1.911678487931003]
本稿では,ユーザ側分散計算における通信データ依存性を制御する汎用実行モデルを提案する。
私たちの公式なプライバシー保証は、シャッフルによるプライバシーの増幅に関する最近の結果を活用し、拡張します。
論文 参考訳（メタデータ） (2021-12-23T08:30:17Z) - Second layer data governance for permissioned blockchains: the privacy
management challenge [58.720142291102135]
新型コロナウイルス(COVID-19)やエボラウイルス(エボラ出血熱)のようなパンデミックの状況では、医療データを共有することに関連する行動は、大規模な感染を避け、死亡者を減らすために重要である。
この意味において、許可されたブロックチェーン技術は、スマートコントラクトが管理する不変で統一された分散データベースを通じて、データのオーナシップ、透明性、セキュリティを提供する権利をユーザに与えるために登場します。
論文 参考訳（メタデータ） (2020-10-22T13:19:38Z)
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。