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
- A Decade of Metric Differential Privacy: Advancements and Applications [8.865292595200964]
メトリクス微分プライバシー(mDP)は、様々な距離のメトリクスを取り入れることで、差分プライバシー(DP)の中核となる原則に基づいている。
mDPは、位置情報ベースのサービス、テキスト分析、画像処理など、幅広いアプリケーションに対して、プライバシ保証を提供する。
本稿では,2013年から2024年までのmDP研究を包括的に調査し,その発展をDPの基礎から追究する。
論文 参考訳（メタデータ） (2025-02-13T05:18:24Z) - Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [61.633126163190724]
精神病は、社会的、個人的コストがかなり高い広範囲で不安定な状態である。
近年の人工知能(AI)の進歩は、うつ病、不安障害、双極性障害、統合失調症、外傷後ストレス障害などの病態を認識し、対処するための大きな可能性を秘めている。
データセットやトレーニング済みモデルからの機密データ漏洩のリスクを含むプライバシー上の懸念は、これらのAIシステムを実際の臨床環境にデプロイする上で、依然として重要な障壁である。
論文 参考訳（メタデータ） (2025-02-01T15:10:02Z) - Advancing privacy in learning analytics using differential privacy [0.412484724941528]
本稿では、差分プライバシー(DP)を適用して新しいフレームワークを提案することにより、学習者のデータプライバシと学習分析(LA)データとのバランスをとるという課題に対処する。
LA用に特別に設計された最初のDPフレームワークを紹介し,その実装に関する実践的なガイダンスを提供する。
我々は、このフレームワークをLA利用シナリオを通じて実演し、よく知られたLAデータセットの実験を通して、潜在的攻撃に対するデータプライバシ保護におけるDPの有効性を検証する。
論文 参考訳（メタデータ） (2025-01-03T12:36:11Z) - But Can You Use It? Design Recommendations for Differentially Private Interactive Systems [0.499320937849508]
この研究は、公共政策を伝えるために、異なるプライベートな対話システムを開発するための障壁を概説し、考察する。
プライバシ保証,統計ユーティリティ,システムのユーザビリティという,3つの設計上の考慮事項のバランスをとることを提案する。
我々の研究は、公共政策の立案と今後の研究のきっかけとなるために、差別化されたプライベートな対話システムの実践的開発を前進させようとしている。
論文 参考訳（メタデータ） (2024-12-16T14:07:16Z) - 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) - 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)
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。