論文の概要: Privacy Preservation Techniques (PPTs) in IoT Systems: A Scoping Review and Future Directions
- arxiv url: http://arxiv.org/abs/2503.02455v1
- Date: Tue, 04 Mar 2025 10:03:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-05 19:12:46.003795
- Title: Privacy Preservation Techniques (PPTs) in IoT Systems: A Scoping Review and Future Directions
- Title（参考訳）: IoTシステムにおけるプライバシ保護技術(PPT) - スコープレビューと今後の方向性
- Authors: Emmanuel Alalade, Ashraf Matrawy,
- Abstract要約: 本研究は,2010年から2023年にかけてのIoTシステムに関するこれまでの研究で使用されている,さまざまな種類のプライバシ保護技術(PPT)のスコーピングレビューを行った。
PPTはさまざまなプライバシの目標を達成し、IoTシステム内の潜在的なプライバシの脅威を軽減することで、さまざまなプライバシの懸念に対処する。
この調査では、IoTの顕著なプライバシ目標やプライバシタイプなど、重要な発見について論じている。
- 参考スコア（独自算出の注目度）: 1.1970409518725493
- License:
- Abstract: Privacy preservation in Internet of Things (IoT) systems requires the use of privacy-enhancing technologies (PETs) built from innovative technologies such as cryptography and artificial intelligence (AI) to create techniques called privacy preservation techniques (PPTs). These PPTs achieve various privacy goals and address different privacy concerns by mitigating potential privacy threats within IoT systems. This study carried out a scoping review of different types of PPTs used in previous research works on IoT systems between 2010 and early 2023 to further explore the advantages of privacy preservation in these systems. This scoping review looks at privacy goals, possible technologies used for building PET, the integration of PPTs into the computing layer of the IoT architecture, different IoT applications in which PPTs are deployed, and the different privacy types addressed by these techniques within IoT systems. Key findings, such as the prominent privacy goal and privacy type in IoT, are discussed in this survey, along with identified research gaps that could inform future endeavors in privacy research and benefit the privacy research community and other stakeholders in IoT systems.
- Abstract（参考訳）: IoT(Internet of Things)システムにおけるプライバシ保護には、プライバシ保護技術(PPT)と呼ばれる技術を開発するために、暗号や人工知能(AI)といった革新的な技術で構築されたプライバシ強化技術(PET)を使用する必要がある。
これらのPPTは、さまざまなプライバシ目標を達成し、IoTシステム内の潜在的なプライバシ脅威を軽減することによって、さまざまなプライバシ問題に対処する。
本研究は,2010年から2023年にかけてのIoTシステムに関するこれまでの研究で使用されていた,さまざまなタイプのPTTのスコーピングレビューを行い,これらのシステムにおけるプライバシー保護のメリットについて検討した。
このスコーピングレビューでは、プライバシの目標、PET構築に使用可能な技術、IoTアーキテクチャのコンピューティング層へのPPTの統合、PPTがデプロイされる異なるIoTアプリケーション、IoTシステム内のこれらの技術によって対処されるさまざまなプライバシタイプについて検討する。
この調査では、重要なプライバシー目標やIoTのプライバシタイプなど、主要な発見が議論されており、プライバシー研究における将来の取り組みや、IoTシステムにおけるプライバシ調査コミュニティやその他のステークホルダーに利益をもたらす可能性のある、特定された研究ギャップが議論されている。
関連論文リスト
- Privacy Threats and Countermeasures in Federated Learning for Internet of Things: A Systematic Review [0.0]
モノのインターネット(IoT)におけるフェデレーション学習(Federated Learning in the Internet of Things)は、重要なプライバシとセキュリティ上の懸念をもたらす可能性がある。
我々は最近の文献を体系的に分析し、IoT環境内のFLにおけるプライバシーの脅威を特定した。
我々はこれらの脅威を軽減するために使用できる防衛措置を評価した。
論文 参考訳（メタデータ） (2024-07-25T15:01:56Z) - Privacy-Preserving Data in IoT-based Cloud Systems: A Comprehensive Survey with AI Integration [0.0]
本調査では,IoTとクラウドシステムの動的交点におけるプライバシ問題の状況について,慎重に調査する。
包括的な文献レビューは、既存の研究を合成し、鍵となる課題を照明し、プライバシー保護技術の新たなトレンドを識別する。
論文 参考訳（メタデータ） (2024-01-01T15:48:39Z) - 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) - An Overview of AI and Blockchain Integration for Privacy-Preserving [1.0155633074816937]
本稿では、AIとブロックチェーンの概要を示し、それらの組み合わせと、派生したプライバシ保護技術の組み合わせを要約する。
次に、データ暗号化、識別解除、多層分散台帳、k匿名メソッドにおける特定のアプリケーションシナリオについて検討する。
本稿では、認証管理、アクセス制御、データ保護、ネットワークセキュリティ、スケーラビリティを含む、AIブロックチェーン統合プライバシ保護システムの5つの重要な側面を評価する。
論文 参考訳（メタデータ） (2023-05-06T04:56:45Z) - FedBlockHealth: A Synergistic Approach to Privacy and Security in
IoT-Enabled Healthcare through Federated Learning and Blockchain [2.993954417409032]
医療におけるIoT(Internet of Things)デバイスの急速な採用は、データのプライバシ、セキュリティ、患者の安全性を維持する上で、新たな課題をもたらしている。
従来のアプローチでは、計算効率を維持しながら、セキュリティとプライバシを確保する必要がある。
本稿では,フェデレーション学習とブロックチェーン技術を組み合わせて,セキュアでプライバシ保護のソリューションを提供する,新しいハイブリッドアプローチを提案する。
論文 参考訳（メタデータ） (2023-04-16T01:55:31Z) - 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) - Mitigating Sovereign Data Exchange Challenges: A Mapping to Apply
Privacy- and Authenticity-Enhancing Technologies [67.34625604583208]
AET(Authenticity Enhancing Technologies)とPET(Privacy-Enhancing Technologies)は、SDE(Sovereign Data Exchange)に関与していると考えられている。
PETとAETは技術的に複雑であり、採用を妨げる。
本研究は,挑戦指向技術マッピングを実証的に構築する。
論文 参考訳（メタデータ） (2022-06-20T08:16:42Z) - A Systematic Literature Review on Blockchain Enabled Federated Learning
Framework for Internet of Vehicles [1.0499611180329804]
フェデレートラーニング(FL)は、IoVのデータプライバシとセキュリティを保護する新しいアイデアとして証明されている。
IoVに対するBC-Enabled Learningフレームワークの適用と実装に関する総合的な調査を行う。
論文 参考訳（メタデータ） (2022-03-10T07:06:04Z) - Learning, Computing, and Trustworthiness in Intelligent IoT
Environments: Performance-Energy Tradeoffs [62.91362897985057]
Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。
本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
論文 参考訳（メタデータ） (2021-10-04T19:41:42Z) - Privacy and Robustness in Federated Learning: Attacks and Defenses [74.62641494122988]
このトピックに関する最初の包括的な調査を実施します。
FLの概念の簡潔な紹介と、1脅威モデル、2堅牢性に対する中毒攻撃と防御、3プライバシーに対する推論攻撃と防御、というユニークな分類学を通じて、私たちはこの重要なトピックのアクセス可能なレビューを提供します。
論文 参考訳（メタデータ） (2020-12-07T12:11:45Z) - Trustworthy AI Inference Systems: An Industry Research View [58.000323504158054]
我々は、信頼できるAI推論システムの設計、展開、運用にアプローチするための業界調査ビューを提供する。
信頼された実行環境を用いたAIシステムの機会と課題を強調します。
我々は,産業,アカデミック,政府研究者のグローバルな集団的注意を必要とする,さらなる発展の分野を概説する。
論文 参考訳（メタデータ） (2020-08-10T23:05:55Z)
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。