論文の概要: PrivTru: A Privacy-by-Design Data Trustee Minimizing Information Leakage
- arxiv url: http://arxiv.org/abs/2506.06124v1
- Date: Fri, 06 Jun 2025 14:33:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-09 17:28:43.516645
- Title: PrivTru: A Privacy-by-Design Data Trustee Minimizing Information Leakage
- Title（参考訳）: PrivTru: 情報漏洩を最小限にしたプライバシ・バイ・デザインデータトラスト
- Authors: Lukas Gehring, Florian Tschorsch,
- Abstract要約: 最適なプライバシー特性を実現するデータトラストのインスタンス化であるPrivTruを紹介する。
PrivTruは、データトラストが所定のクエリに応答するためにデータソースから要求する必要がある最小限の情報量を算出する。
分析の結果,PrivTruは受託者の事前の知識に関わらず,受託者への情報漏洩を最小限に抑えることがわかった。
- 参考スコア（独自算出の注目度）: 2.7163621600184777
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Data trustees serve as intermediaries that facilitate secure data sharing between independent parties. This paper offers a technical perspective on Data trustees, guided by privacy-by-design principles. We introduce PrivTru, an instantiation of a data trustee that provably achieves optimal privacy properties. Therefore, PrivTru calculates the minimal amount of information the data trustee needs to request from data sources to respond to a given query. Our analysis shows that PrivTru minimizes information leakage to the data trustee, regardless of the trustee's prior knowledge, while preserving the utility of the data.
- Abstract（参考訳）: データトラストは、独立した当事者間のセキュアなデータ共有を促進する仲介人として機能する。
本稿では、プライバシ・バイ・デザインの原則によって導かれる、データトラストの技術的視点を提供する。
最適なプライバシー特性を確実に達成するデータトラストのインスタンス化であるPrivTruを紹介する。
したがって、PrivTruは、データトラストが所定のクエリに応答するためにデータソースから要求する必要がある最小限の情報量を算出する。
分析の結果,PrivTruは,受託者の事前知識に関わらず,データの有用性を保ちながら,データ受託者への情報漏洩を最小限に抑えていることがわかった。
関連論文リスト
- Privacy-Preserving Data Management using Blockchains [0.0]
データプロバイダは、データ使用量の変化によって、既存のプライバシの好みをコントロールし、更新する必要がある。
本稿では,データプロバイダがプライベートで機密性の高いデータを保存するためのブロックチェーンベースの方法論を提案する。
論文 参考訳（メタデータ） (2024-08-21T01:10:39Z) - Protecting Data Buyer Privacy in Data Markets [27.092529976384238]
プライバシーに関する最大の懸念は、主にデータ所有者とサードパーティのプライバシーを守ることに集中している。
本稿では、データバイヤーのプライバシ保護の複雑さをモデル化し、プライバシと購入コストの微妙なバランスを調査することによって、このギャップに対処する。
論文 参考訳（メタデータ） (2024-07-13T04:45:06Z) - 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) - $\alpha$-Mutual Information: A Tunable Privacy Measure for Privacy
Protection in Data Sharing [4.475091558538915]
本稿では, 有基の$alpha$-Mutual Informationを調整可能なプライバシ尺度として採用する。
我々は、プライバシ保護を提供するためにオリジナルのデータを操作するための一般的な歪みに基づくメカニズムを定式化する。
論文 参考訳（メタデータ） (2023-10-27T16:26:14Z) - How Do Input Attributes Impact the Privacy Loss in Differential Privacy? [55.492422758737575]
DPニューラルネットワークにおけるオブジェクトごとの規範と個人のプライバシ損失との関係について検討する。
プライバシ・ロス・インプット・サセプティビリティ(PLIS)と呼ばれる新しい指標を導入し、被験者のプライバシ・ロスを入力属性に適応させることを可能にした。
論文 参考訳（メタデータ） (2022-11-18T11:39:03Z) - Privacy Explanations - A Means to End-User Trust [64.7066037969487]
この問題に対処するために、説明可能性がどのように役立つかを検討しました。
私たちはプライバシーの説明を作成し、エンドユーザの理由と特定のデータが必要な理由を明らかにするのに役立ちました。
我々の発見は、プライバシーの説明がソフトウェアシステムの信頼性を高めるための重要なステップであることを示している。
論文 参考訳（メタデータ） (2022-10-18T09:30:37Z) - Certified Data Removal in Sum-Product Networks [78.27542864367821]
収集したデータの削除は、データのプライバシを保証するのに不十分であることが多い。
UnlearnSPNは、訓練された総生産ネットワークから単一データポイントの影響を取り除くアルゴリズムである。
論文 参考訳（メタデータ） (2022-10-04T08:22:37Z) - Algorithms with More Granular Differential Privacy Guarantees [65.3684804101664]
我々は、属性ごとのプライバシー保証を定量化できる部分微分プライバシー(DP)について検討する。
本研究では,複数の基本データ分析および学習タスクについて検討し,属性ごとのプライバシパラメータが個人全体のプライバシーパラメータよりも小さい設計アルゴリズムについて検討する。
論文 参考訳（メタデータ） (2022-09-08T22:43:50Z) - Ride Sharing & Data Privacy: An Analysis of the State of Practice [0.0]
私たちは、人気のライドシェアサービスがどのようにユーザーのプライバシーを扱い、現在の状況を評価するかを分析した。
結果は、サービスにはさまざまな個人データが含まれており、プライバシー関連の機能は限られていることを示している。
論文 参考訳（メタデータ） (2021-10-18T11:06:06Z) - Towards practical differentially private causal graph discovery [74.7791110594082]
因果グラフ発見は、純粋な観測データから因果関係グラフを発見する過程を指す。
そこで本稿では,Priv-PCによる個人用因果グラフ探索アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-06-15T18:30:41Z) - Utility-aware Privacy-preserving Data Releasing [7.462336024223669]
本稿では2段階の摂動に基づくプライバシー保護データ公開フレームワークを提案する。
まず、特定の事前定義されたプライバシとユーティリティの問題がパブリックドメインデータから学習される。
そして、学習した知識を活用して、データ所有者のデータを民営化したデータに正確に摂動させます。
論文 参考訳（メタデータ） (2020-05-09T05:32:46Z)
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。