論文の概要: Privacy-Preserving Synthetically Augmented Knowledge Graphs with Semantic Utility

• arxiv url: http://arxiv.org/abs/2410.12418v1
• Date: Wed, 16 Oct 2024 10:04:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-17 13:42:33.228914
• Title: Privacy-Preserving Synthetically Augmented Knowledge Graphs with Semantic Utility
• Title（参考訳）: セマンティック・ユーティリティを用いたプライバシ保存型知識グラフの合成
• Authors: Luigi Bellomarini, Costanza Catalano, Andrea Coletta, Michela Iezzi, Pierangela Samarati,
• Abstract要約: 推論は、複雑なビジネスセマンティクスをキャプチャする派生した知識を生成することを可能にする。 金融機関、中央銀行、経済研究機関、国家監督当局は、重要なビジネス課題に対処するために知識グラフに存在論的推論を適用している。 KGの共有における大きな障害は、データ対象の同一性とその機密性または企業機密情報が不適切に暴露される可能性があるため、プライバシー上の考慮によって表現される。 本稿では,KGの共有を可能にする新しいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 3.251910827901229
• License:
• Abstract: Knowledge Graphs (KGs) have recently gained relevant attention in many application domains, from healthcare to biotechnology, from logistics to finance. Financial organisations, central banks, economic research entities, and national supervision authorities apply ontological reasoning on KGs to address crucial business tasks, such as economic policymaking, banking supervision, anti-money laundering, and economic research. Reasoning allows for the generation of derived knowledge capturing complex business semantics and the set up of effective business processes. A major obstacle in KGs sharing is represented by privacy considerations since the identity of the data subjects and their sensitive or company-confidential information may be improperly exposed. In this paper, we propose a novel framework to enable KGs sharing while ensuring that information that should remain private is not directly released nor indirectly exposed via derived knowledge, while maintaining the embedded knowledge of the KGs to support business downstream tasks. Our approach produces a privacy-preserving synthetic KG as an augmentation of the input one via the introduction of structural anonymisation. We introduce a novel privacy measure for KGs, which considers derived knowledge and a new utility metric that captures the business semantics we want to preserve, and propose two novel anonymization algorithms. Our extensive experimental evaluation, with both synthetic graphs and real-world datasets, confirms the effectiveness of our approach achieving up to a 70% improvement in the privacy of entities compared to existing methods not specifically designed for KGs.
• Abstract（参考訳）: 知識グラフ(KG)は最近、医療からバイオテクノロジー、物流から金融まで、多くのアプリケーション領域で注目されている。 金融機関、中央銀行、経済調査機関、国家監督機関は、経済政策立案、銀行監督、反マネーロンダリング、経済研究などの重要な業務に対処するために、KGに対する存在論的推論を適用している。 推論により、複雑なビジネスセマンティクスをキャプチャし、効果的なビジネスプロセスをセットアップする、派生した知識の生成が可能になる。 KGの共有における大きな障害は、データ対象の同一性とその機密性または企業機密情報が不適切に暴露される可能性があるため、プライバシー上の考慮によって表現される。 本稿では、KGsの組み込み知識を維持しながら、KGsの共有を可能にする新しいフレームワークを提案する。 提案手法は, 構造匿名化の導入により, 入力の強化として, プライバシ保存型合成KGを生成する。 我々は、KGsの新たなプライバシ尺度を導入する。これは、派生した知識と、保存したいビジネスセマンティクスをキャプチャする新しいユーティリティメトリックを考察し、2つの新しい匿名化アルゴリズムを提案する。 人工グラフと実世界のデータセットを併用した大規模な実験により,KGに特化して設計されていない既存手法と比較して,エンティティのプライバシを最大70%向上させるアプローチの有効性が確認された。

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)
• Uncertainty Management in the Construction of Knowledge Graphs: a Survey [3.5639148953570845]
  知識グラフ(KG)は、データ表現の柔軟性のおかげで、企業にとって重要な資産です。 KGを構築するには、様々な異種情報源から知識を抽出する自動手法に頼るのが一般的である。 騒々しく不確実な世界では、知識は信頼できないかもしれないし、データソース間の衝突が起こるかもしれない。
  論文  参考訳（メタデータ） (2024-05-27T08:22:52Z)
• KG-FIT: Knowledge Graph Fine-Tuning Upon Open-World Knowledge [63.19837262782962]
  知識グラフ埋め込み(KGE)技術は、知識グラフ内の実体と関係のコンパクトな表現を学習するために重要である。 本研究では、エンティティクラスタのセマンティックコヒーレントな階層構造を構築するKG-FITを紹介する。 ベンチマークデータセットFB15K-237、YAGO3-10、PrimeKGの実験は、最先端の訓練済み言語モデルに基づく手法よりもKG-FITの方が優れていることを示した。
  論文  参考訳（メタデータ） (2024-05-26T03:04:26Z)
• Privacy-Preserving Intrusion Detection using Convolutional Neural Networks [0.25163931116642785]
  顧客のプライベートデータに対して分析サービスを提供するモデルオーナのユースケースについて検討する。 データに関する情報はアナリストに公開されず,モデルに関する情報は顧客にリークされない。 プライバシ保護技術を用いた畳み込みニューラルネットワークに基づく攻撃検知システムを構築した。
  論文  参考訳（メタデータ） (2024-04-15T09:56:36Z)
• Incentivized Communication for Federated Bandits [67.4682056391551]
  我々は,サーバがインセンティブを提供することでクライアントにデータを共有する動機付けを行う,フェデレートされた盗賊に対するインセンティブ付きコミュニケーション問題を導入する。 本稿では,実証可能な通信とインセンティブコスト保証により,ほぼ最適の後悔を実現する,最初のインセンティブ付き通信プロトコルであるInc-FedUCBを提案する。
  論文  参考訳（メタデータ） (2023-09-21T00:59:20Z)
• Quantifying and Defending against Privacy Threats on Federated Knowledge Graph Embedding [27.003706269026097]
  我々は、攻撃と防衛の両方の観点から、KGE(Knowledge Graph Embedding)におけるプライバシーの脅威に関する最初の総合的研究を行う。 この攻撃のために、我々は3つの新たな推論攻撃を提案し、プライバシーの脅威を定量化します。 本稿では,DP-Flamesを提案する。
  論文  参考訳（メタデータ） (2023-04-06T08:44:49Z)
• Breaking the Communication-Privacy-Accuracy Tradeoff with $f$-Differential Privacy [51.11280118806893]
  サーバが複数のユーザの協調的なデータ分析を,プライバシの懸念と限られた通信能力で調整する,フェデレートされたデータ分析問題を考える。 有限出力空間を有する離散値機構の局所的差分プライバシー保証を$f$-differential privacy (DP) レンズを用いて検討する。 より具体的には、様々な離散的評価機構の厳密な$f$-DP保証を導出することにより、既存の文献を前進させる。
  論文  参考訳（メタデータ） (2023-02-19T16:58:53Z)
• BertNet: Harvesting Knowledge Graphs with Arbitrary Relations from Pretrained Language Models [65.51390418485207]
  本稿では,事前学習したLMから任意の関係を持つ大規模KGを抽出する手法を提案する。 関係定義の最小限の入力により、アプローチは膨大な実体対空間を効率的に探索し、多様な正確な知識を抽出する。 我々は、異なるLMから400以上の新しい関係を持つKGを収穫するためのアプローチを展開している。
  論文  参考訳（メタデータ） (2022-06-28T19:46:29Z)
• Heterogeneous Information Network based Default Analysis on Banking Micro and Small Enterprise Users [18.32345474014549]
  バンキングデータのグラフを考察し,その目的のために新しいHIDAMモデルを提案する。 MSEの特徴表現を強化するため,メタパスを通してインタラクティブな情報を抽出し,経路情報を完全に活用する。 実験結果から,HIDAMが現実の銀行データにおいて最先端の競争相手を上回ることが確認された。
  論文  参考訳（メタデータ） (2022-04-24T11:26:12Z)
• PCAL: A Privacy-preserving Intelligent Credit Risk Modeling Framework Based on Adversarial Learning [111.19576084222345]
  本稿では,PCAL(Adversarial Learning)に基づくプライバシ保護型信用リスクモデリングの枠組みを提案する。 PCALは、ターゲット予測タスクのパフォーマンスの重要なユーティリティ情報を維持しながら、元のデータセット内のプライベート情報を隠蔽することを目的としている。 結果は,PCALがユーザデータから効果的なプライバシフリー表現を学習し,信用リスク分析のためのプライバシ保存機械学習の基盤となることを示唆している。
  論文  参考訳（メタデータ） (2020-10-06T07:04:59Z)
• Relational Learning Analysis of Social Politics using Knowledge Graph Embedding [11.978556412301975]
  本稿では,新しい信頼性ドメインベースのKG埋め込みフレームワークを提案する。 ヘテロジニアスリソースから得られたデータの融合を、ドメインによって表現された正式なKG表現にキャプチャする。 このフレームワークは、データ品質と信頼性を保証するための信頼性モジュールも具体化している。
  論文  参考訳（メタデータ） (2020-06-02T14:10:28Z)

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。