論文の概要: SoK: Usability Studies in Differential Privacy

• arxiv url: http://arxiv.org/abs/2412.16825v1
• Date: Sun, 22 Dec 2024 02:21:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 15:55:14.119262
• Title: SoK: Usability Studies in Differential Privacy
• Title（参考訳）: SoK: 差別化プライバシにおけるユーザビリティ研究
• Authors: Onyinye Dibia, Brad Stenger, Steven Baldasty, Mako Bates, Ivoline C. Ngong, Yuanyuan Feng, Joseph P. Near,
• Abstract要約: 差分プライバシー(DP)は、個人プライバシをデータ分析で保護するための重要なアプローチとして登場した。 本稿では,DPのユーザビリティとコミュニケーションに関する既存研究の包括的体系化について述べる。
• 参考スコア（独自算出の注目度）: 3.4111656179349743
• License:
• Abstract: Differential Privacy (DP) has emerged as a pivotal approach for safeguarding individual privacy in data analysis, yet its practical adoption is often hindered by challenges in usability in implementation and communication of the privacy protection levels. This paper presents a comprehensive systematization of existing research on the usability of and communication about DP, synthesizing insights from studies on both the practical use of DP tools and strategies for conveying DP parameters that determine the privacy protection levels such as epsilon. By reviewing and analyzing these studies, we identify core usability challenges, best practices, and critical gaps in current DP tools that affect adoption across diverse user groups, including developers, data analysts, and non-technical stakeholders. Our analysis highlights actionable insights and pathways for future research that emphasizes user-centered design and clear communication, fostering the development of more accessible DP tools that meet practical needs and support broader adoption.
• Abstract（参考訳）: 差別化プライバシ(DP)は、データ分析において個人のプライバシを保護するための重要なアプローチとして浮上しているが、その実践的採用は、プライバシ保護レベルの実装とコミュニケーションにおけるユーザビリティの課題によってしばしば妨げられている。 本稿では,DPツールの実用化と,エプシロンなどのプライバシー保護レベルを決定するDPパラメータの伝達方略の両面から,DPのユーザビリティとコミュニケーションに関する既存の研究の総合的な体系化について述べる。 これらの研究をレビューし分析することにより、開発者、データアナリスト、非技術ステークホルダーを含むさまざまなユーザグループで採用に影響を与える現在のDPツールにおける、中核的なユーザビリティの課題、ベストプラクティス、重要なギャップを特定します。 本分析では,ユーザ中心の設計とコミュニケーションの明確化を重視し,実用的ニーズを満たすDPツールの開発を促進し,より広範な採用を支援する,将来的な研究の実践的な洞察と経路を強調した。

関連論文リスト

• Defogger: A Visual Analysis Approach for Data Exploration of Sensitive Data Protected by Differential Privacy [5.117818675551463]
  我々は、基礎となる要件や利用可能な探査戦略を含む、対応する調査シナリオを説明する上で、主導権を握る。 提案手法は,ユーザの探索意図に応じて多様な探索戦略を提案するために,強化学習モデルを適用した。 相関パターンの不確かさを表す新しいビジュアルデザインを,提案手法をサポートするために試作システムに統合した。
  論文  参考訳（メタデータ） (2024-07-28T02:14:12Z)
• 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)
• Mind the Privacy Unit! User-Level Differential Privacy for Language Model Fine-Tuning [62.224804688233]
  差分プライバシ(DP)は、モデルが特定のプライバシユニットで「ほとんど区別できない」ことを保証することで、有望なソリューションを提供する。 ユーザ間でのプライバシー保護の確保に必要なアプリケーションによって動機づけられたユーザレベルのDPについて検討する。
  論文  参考訳（メタデータ） (2024-06-20T13:54:32Z)
• Centering Policy and Practice: Research Gaps around Usable Differential Privacy [12.340264479496375]
  我々は、差分プライバシーは理論上はクリーンな定式化であるが、実際は重大な課題を提起していると論じている。 差分プライバシーの約束と現実世界のユーザビリティのギャップを埋めるために、研究者と実践者は協力しなければなりません。
  論文  参考訳（メタデータ） (2024-06-17T21:32:30Z)
• Synergizing Privacy and Utility in Data Analytics Through Advanced Information Theorization [2.28438857884398]
  本稿では,高次元画像データに適したノイズ注入技術,ロバストな特徴抽出のための変分オートエンコーダ(VAE),構造化データプライバシに最適化された期待最大化(EM)アプローチの3つの高度なアルゴリズムを紹介する。 本手法は,機密属性と変換データ間の相互情報を著しく低減し,プライバシーを向上する。 この研究は、さまざまなデータタイプにまたがってプライバシ保護アルゴリズムをデプロイするための柔軟で効果的な戦略を提供することによって、この分野に貢献する。
  論文  参考訳（メタデータ） (2024-04-24T22:58:42Z)
• Federated Experiment Design under Distributed Differential Privacy [31.06808163362162]
  我々は,サービス提供者に対する信頼を最小限にしつつ,ユーザのプライバシの厳格な保護に注力する。 現代のA/Bテストにおいて重要な要素であるが、これまではプライベート分散実験は研究されていない。 これらのメカニズムは、実際に一般的に見られる非常に多くの参加者を扱うために、どのようにスケールアップできるかを示す。
  論文  参考訳（メタデータ） (2023-11-07T22:38:56Z)
• 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)
• Advancing Differential Privacy: Where We Are Now and Future Directions for Real-World Deployment [100.1798289103163]
  差分プライバシ(DP)分野における現状と現状の方法論の詳細なレビューを行う。 論文のポイントとハイレベルな内容は,「認知プライバシ(DP:次のフロンティアへの挑戦)」の議論から生まれた。 この記事では、プライバシの領域におけるアルゴリズムおよび設計決定の基準点を提供することを目標とし、重要な課題と潜在的研究の方向性を強調します。
  論文  参考訳（メタデータ） (2023-04-14T05:29:18Z)
• Semantics-Preserved Distortion for Personal Privacy Protection in Information Management [65.08939490413037]
  本稿では,意味的整合性を維持しつつテキストを歪ませる言語学的アプローチを提案する。 本稿では, 意味保存歪みの枠組みとして, 生成的アプローチと置換的アプローチの2つを提示する。 また、特定の医療情報管理シナリオにおけるプライバシ保護についても検討し、機密データの記憶を効果的に制限していることを示す。
  論文  参考訳（メタデータ） (2022-01-04T04:01:05Z)
• A Field Guide to Federated Optimization [161.3779046812383]
  フェデレートされた学習と分析は、分散化されたデータからモデル(あるいは統計)を協調的に学習するための分散アプローチである。 本稿では、フェデレート最適化アルゴリズムの定式化、設計、評価、分析に関する勧告とガイドラインを提供する。
  論文  参考訳（メタデータ） (2021-07-14T18:09:08Z)

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。