論文の概要: Protecting Privacy in Federated Time Series Analysis: A Pragmatic Technology Review for Application Developers

• arxiv url: http://arxiv.org/abs/2408.15694v1
• Date: Wed, 28 Aug 2024 10:41:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-29 16:10:57.796571
• Title: Protecting Privacy in Federated Time Series Analysis: A Pragmatic Technology Review for Application Developers
• Title（参考訳）: フェデレーション時系列分析におけるプライバシ保護 - アプリケーション開発者にとっての実践的技術レビュー
• Authors: Daniel Bachlechner, Ruben Hetfleisch, Stephan Krenn, Thomas Lorünser, Michael Rader,
• Abstract要約: 本研究では,選択した実世界のユースケースに基づいて定性的な要件抽出を行う。 得られた要件カテゴリは、利用可能な技術が提供する機能や保証と一致します。 各技術について、市場における標準化と可用性の状況を含め、成熟度の評価も行います。
• 参考スコア（独自算出の注目度）: 0.41942958779358674
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The federated analysis of sensitive time series has huge potential in various domains, such as healthcare or manufacturing. Yet, to fully unlock this potential, requirements imposed by various stakeholders must be fulfilled, regarding, e.g., efficiency or trust assumptions. While many of these requirements can be addressed by deploying advanced secure computation paradigms such as fully homomorphic encryption, certain aspects require an integration with additional privacy-preserving technologies. In this work, we perform a qualitative requirements elicitation based on selected real-world use cases. We match the derived requirements categories against the features and guarantees provided by available technologies. For each technology, we additionally perform a maturity assessment, including the state of standardization and availability on the market. Furthermore, we provide a decision tree supporting application developers in identifying the most promising technologies available matching their needs. Finally, existing gaps are identified, highlighting research potential to advance the field.
• Abstract（参考訳）: センシティブな時系列の連合分析は、医療や製造など様々な分野で大きな可能性を秘めている。 しかし、この可能性を完全に解き放つためには、例えば効率性や信頼の前提に関して、様々な利害関係者が課す要件を満たさなければならない。 これらの要件の多くは、完全同型暗号化のような高度なセキュアな計算パラダイムをデプロイすることで対処できるが、特定の側面は追加のプライバシー保護技術との統合を必要とする。 本研究では,選択した実世界のユースケースに基づいて定性的な要件抽出を行う。 得られた要件カテゴリは、利用可能な技術が提供する機能や保証と一致します。 各技術について、市場における標準化と可用性の状況を含め、成熟度の評価も行います。 さらに、アプリケーション開発者に対して、彼らのニーズに合った最も有望な技術を特定するための決定木を提供します。 最後に、既存のギャップが特定され、フィールドを前進させる研究の可能性を強調します。

関連論文リスト

• Generative AI for Secure and Privacy-Preserving Mobile Crowdsensing [74.58071278710896]
  生成AIは、学術分野と産業分野の両方から多くの注目を集めている。 セキュアでプライバシ保護のモバイルクラウドセンシング(SPPMCS)は、データ収集/取得に広く応用されている。
  論文  参考訳（メタデータ） (2024-05-17T04:00:58Z)
• Towards an Approach to Pattern-based Domain-Specific Requirements Engineering [0.0]
  本稿では,機能要件と性能要件の仕様化のためのパターンベースドメイン固有要求工学手法を提案する。 このアプローチは、アカデミックと産業のコラボレーションから生まれ、ドメイン知識を分析可能なアプローチを策定する最初の試みです。 まず、パターンベースのドメイン固有要件エンジニアリングのソリューションと、品質保証技術へのその模範的な統合を提示します。
  論文  参考訳（メタデータ） (2024-04-26T11:38:55Z)
• Generating Test Scenarios from NL Requirements using Retrieval-Augmented LLMs: An Industrial Study [5.179738379203527]
  本稿では,Large Language Models (LLM) を用いたRAG(Retrieval-Augmented Generation) を用いたテストシナリオ生成のための自動アプローチ(RAGTAG)を提案する。 オーストリアポストの2つの産業プロジェクトにおけるRAGTAGの評価を行い,ドイツ語と英語のバイリンガル要件について検討した。
  論文  参考訳（メタデータ） (2024-04-19T10:27:40Z)
• Prioritizing Software Requirements Using Large Language Models [3.9422957660677476]
  この記事では、ソフトウェア開発の初期段階と見なされる要件エンジニアリングに焦点を当てます。 要件を特定し、時間と予算の制約の中ですべての利害関係者を満たすという課題は、依然として重要なままです。 本研究では、AIエージェントを利用したWebベースのソフトウェアツールを導入し、タスクの優先順位付けを自動化するエンジニアリングを促す。
  論文  参考訳（メタデータ） (2024-04-05T15:20:56Z)
• Engineering Safety Requirements for Autonomous Driving with Large Language Models [0.6699222582814232]
  大きな言語モデル(LLM)は、更新毎に要求を自動的に精錬し、分解する上で重要な役割を果たす。 本研究では、アイテム定義を受信し、安全要件の形でソリューションを出力するプロンプトとLCMのパイプラインのプロトタイプを提案する。
  論文  参考訳（メタデータ） (2024-03-24T20:40:51Z)
• Generative AI for Secure Physical Layer Communications: A Survey [80.0638227807621]
  Generative Artificial Intelligence(GAI)は、AIイノベーションの最前線に立ち、多様なコンテンツを生成するための急速な進歩と非並行的な能力を示す。 本稿では,通信ネットワークの物理層におけるセキュリティ向上におけるGAIの様々な応用について,広範な調査を行う。 私たちは、物理的レイヤセキュリティの課題に対処する上で、GAIの役割を掘り下げ、通信の機密性、認証、可用性、レジリエンス、整合性に重点を置いています。
  論文  参考訳（メタデータ） (2024-02-21T06:22:41Z)
• Predictable Artificial Intelligence [77.1127726638209]
  本稿では予測可能なAIのアイデアと課題を紹介する。 それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。 予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
  論文  参考訳（メタデータ） (2023-10-09T21:36:21Z)
• Cyber Security Requirements for Platforms Enhancing AI Reproducibility [0.0]
  本研究は、人工知能(AI)の分野に焦点を当て、AIプラットフォームを評価するための新しいフレームワークを紹介する。 Floydhub、BEAT、Codalab、Kaggle、OpenMLの5つの人気AIプラットフォームが評価された。 この分析によると、これらのプラットフォームはいずれも、必要なサイバーセキュリティ対策を完全に組み込んでいない。
  論文  参考訳（メタデータ） (2023-09-27T09:43:46Z)
• Towards Quantum Federated Learning [80.1976558772771]
  量子フェデレートラーニング(Quantum Federated Learning)は、学習プロセスにおけるプライバシ、セキュリティ、効率性の向上を目的とする。 我々は、QFLの原則、技術、および新しい応用について、包括的に理解することを目指している。 QFLの分野が進むにつれ、様々な産業でさらなるブレークスルーや応用が期待できる。
  論文  参考訳（メタデータ） (2023-06-16T15:40:21Z)
• A Research Agenda for Artificial Intelligence in the Field of Flexible Production Systems [53.47496941841855]
  生産会社は、需要変動や要求の変化に対して生産制御を迅速に適応することに関して、問題に直面します。 サービスという意味で生産機能をカプセル化することを目的とした制御手法は,サイバー物理生産システムの柔軟性を高めるために有望であることが示されている。 しかし、そのようなアプローチの既存の課題は、要求された機能と提供された機能の間に直接(統語的)一致がない場合に、一連の要求に対して提供された機能に基づいて生産計画を見つけることである。
  論文  参考訳（メタデータ） (2021-12-31T14:38:31Z)
• AI Techniques for Software Requirements Prioritization [91.3755431537592]
  本稿では,要求優先プロセスの全体的な品質向上に役立つ人工知能(AI)技術に基づく優先順位付け手法を提案する。
  論文  参考訳（メタデータ） (2021-08-02T12:43:00Z)

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。