Fugu-MT 論文翻訳(概要): Practical and Ready-to-Use Methodology to Assess the re-identification Risk in Anonymized Datasets

論文の概要: Practical and Ready-to-Use Methodology to Assess the re-identification Risk in Anonymized Datasets

arxiv url: http://arxiv.org/abs/2501.10841v1
Date: Sat, 18 Jan 2025 18:22:27 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-22 14:23:35.301023
Title: Practical and Ready-to-Use Methodology to Assess the re-identification Risk in Anonymized Datasets
Title（参考訳）: 匿名化データセットにおける再識別リスク評価のための実用的・実用的手法
Authors: Louis-Philippe Sondeck, Maryline Laurent,
Abstract要約: 本稿では,再同定リスク評価のための実用的で使いやすい手法を提案する。サイバーセキュリティ分野で長年使われてきた、よく知られたリスク分析手法(例えばEBIOS)に従うのは、これが初めてである。
参考スコア（独自算出の注目度）: 1.4732811715354455
License:
Abstract: To prove that a dataset is sufficiently anonymized, many privacy policies suggest that a re-identification risk assessment be performed, but do not provide a precise methodology for doing so, leaving the industry alone with the problem. This paper proposes a practical and ready-to-use methodology for re-identification risk assessment, the originality of which is manifold: (1) it is the first to follow well-known risk analysis methods (e.g. EBIOS) that have been used in the cybersecurity field for years, which consider not only the ability to perform an attack, but also the impact such an attack can have on an individual; (2) it is the first to qualify attributes and values of attributes with e.g. degree of exposure, as known real-world attacks mainly target certain types of attributes and not others.
Abstract（参考訳）: データセットが十分に匿名化されていることを証明するために、多くのプライバシーポリシーは、再識別リスクアセスメントを実施することを示唆しているが、それを行うための正確な方法論を提供していない。本稿では,攻撃を行う能力だけでなく,その攻撃が個人に与える影響も考慮した,サイバーセキュリティ分野で長年に渡りよく知られたリスク分析手法(例えばEBIOS)を初めて追及し,また,その属性と属性の属性と値をeg程度の露出で評価する手法を提案する。

関連論文リスト

A Human-Centered Risk Evaluation of Biometric Systems Using Conjoint Analysis [0.6199770411242359]
本稿では, コンジョイント分析を用いて, 監視カメラなどのリスク要因が攻撃者のモチベーションに与える影響を定量化するために, 新たな人間中心型リスク評価フレームワークを提案する。本フレームワークは、False Acceptance Rate(FAR)とアタック確率を組み込んだリスク値を算出し、ユースケース間の総合的な比較を可能にする。
論文参考訳（メタデータ） (2024-09-17T14:18:21Z)
Visual Privacy Auditing with Diffusion Models [52.866433097406656]
本稿では,拡散モデル(DM)に基づくリコンストラクション攻撃を提案する。本研究では,(1)実世界のデータ漏洩が再建の成功に大きく影響すること,(2)現在のリビルド境界がデータ先行によるリスクをうまくモデル化していないこと,(3)DMは,プライバシー漏洩を可視化するための効果的な監査ツールとして機能すること,を示す。
論文参考訳（メタデータ） (2024-03-12T12:18:55Z)
Model Stealing Attack against Graph Classification with Authenticity, Uncertainty and Diversity [80.16488817177182]
GNNは、クエリ許可を通じてターゲットモデルを複製するための悪行であるモデル盗難攻撃に対して脆弱である。異なるシナリオに対応するために,3つのモデルステルス攻撃を導入する。
論文参考訳（メタデータ） (2023-12-18T05:42:31Z)
Measuring Re-identification Risk [72.6715574626418]
コンパクトなユーザ表現における再識別リスクを測定するための新しい理論的枠組みを提案する。我々のフレームワークは、攻撃者がその表現からユーザのアイデンティティを取得できる確率を正式に制限します。当社のフレームワークが、関心に基づく広告のためのChromeのトピックAPIのような、重要な現実世界のアプリケーションをモデル化するのに十分な一般性を示している。
論文参考訳（メタデータ） (2023-04-12T16:27:36Z)
Data AUDIT: Identifying Attribute Utility- and Detectability-Induced Bias in Task Models [8.420252576694583]
医用画像データセットの厳密で定量的なスクリーニングのための第1の手法を提案する。提案手法は,データセット属性に関連するリスクを,検出性と実用性の観点から分解する。本手法を用いて, ほぼ知覚不能なバイアス誘発アーティファクトを確実に同定するスクリーニング手法を提案する。
論文参考訳（メタデータ） (2023-04-06T16:50:15Z)
A False Sense of Privacy: Towards a Reliable Evaluation Methodology for the Anonymization of Biometric Data [8.799600976940678]
生体データは、顔の特徴や歩行パターンのような特徴的な人間の特徴を含んでいる。プライバシー保護は、匿名化の技法によって広範囲に提供される。我々は、匿名化の性能を評価するために使用される最先端の手法を評価する。
論文参考訳（メタデータ） (2023-04-04T08:46:14Z)
Uncertainty-Aware Instance Reweighting for Off-Policy Learning [63.31923483172859]
本研究では,不確実性を考慮した逆確率スコア推定器 (UIPS) を提案する。実世界の3つのレコメンデーションデータセットを用いた実験結果から,提案したUIPS推定器の有効サンプル効率が示された。
論文参考訳（メタデータ） (2023-03-11T11:42:26Z)
Debiasing Recommendation by Learning Identifiable Latent Confounders [49.16119112336605]
コンバウンディングバイアスは、ユーザの露出とフィードバックの両方に影響を与える未測定変数の存在によって生じる。既存の手法では,(1) 未測定変数について不確定な仮定を行うか,(2) 潜伏した共同創設者を直接ユーザの露出から推測する。本稿では、上記の非識別問題の解決にプロキシ変数の集合を利用する新しい方法、すなわち、識別可能なデコノウ(iDCF)を提案する。
論文参考訳（メタデータ） (2023-02-10T05:10:26Z)
Evaluating Machine Unlearning via Epistemic Uncertainty [78.27542864367821]
本研究では,不確実性に基づく機械学習アルゴリズムの評価を行う。これは私たちの最良の知識の一般的な評価の最初の定義です。
論文参考訳（メタデータ） (2022-08-23T09:37:31Z)
Assessing the risk of re-identification arising from an attack on anonymised data [0.24466725954625884]
悪意のある攻撃から匿名化されたデータセットへの再識別のリスクを計算する。そこで本研究では,k匿名化データセットにおける1人の患者の再同定の確率を推定する分析手法を提案する。我々はこの解法を一般化し、複数の患者が再同定される確率を得る。
論文参考訳（メタデータ） (2022-03-31T09:47:05Z)
Systematic Evaluation of Privacy Risks of Machine Learning Models [41.017707772150835]
メンバーシップ推論攻撃に対する事前の取り組みは、プライバシーリスクを著しく過小評価する可能性があることを示す。まず、既存の非ニューラルネットワークベースの推論攻撃を改善することで、メンバーシップ推論のプライバシリスクをベンチマークする。次に、プライバシリスクスコアと呼ばれる新しい指標を定式化し、導出することで、詳細なプライバシ分析のための新しいアプローチを導入する。
論文参考訳（メタデータ） (2020-03-24T00:53:53Z)

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。