Fugu-MT 論文翻訳(概要): Multiverse Privacy Theory for Contextual Risks in Complex User-AI Interactions

論文の概要: Multiverse Privacy Theory for Contextual Risks in Complex User-AI Interactions

arxiv url: http://arxiv.org/abs/2506.10042v1
Date: Wed, 11 Jun 2025 05:02:59 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-13 15:37:22.335247
Title: Multiverse Privacy Theory for Contextual Risks in Complex User-AI Interactions
Title（参考訳）: 複雑なユーザ・AIインタラクションにおけるコンテキストリスクに対する多元的プライバシ理論
Authors: Ece Gumusel,
Abstract要約: 本稿では,各プライバシ決定が並列宇宙を創出する新しいフレームワークである,多元的プライバシ理論を紹介する。今後の研究は、実世界のシナリオベースのサーベイデータを用いて、その応用を探求する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In an era of increasing interaction with artificial intelligence (AI), users face evolving privacy decisions shaped by complex, uncertain factors. This paper introduces Multiverse Privacy Theory, a novel framework in which each privacy decision spawns a parallel universe, representing a distinct potential outcome based on user choices over time. By simulating these universes, this theory provides a foundation for understanding privacy through the lens of contextual integrity, evolving preferences, and probabilistic decision-making. Future work will explore its application using real-world, scenario-based survey data.
Abstract（参考訳）: 人工知能(AI)との相互作用が増大する中で、ユーザーは複雑な不確実な要因によって形成されるプライバシー決定の進化に直面している。本稿では,各プライバシ決定が並列宇宙を創出する新しいフレームワークであるマルチバースプライバシ理論を紹介する。これらの宇宙をシミュレートすることで、この理論は文脈整合性、進化する嗜好、確率論的意思決定のレンズを通してプライバシーを理解する基盤を提供する。今後の研究は、実世界のシナリオベースのサーベイデータを用いて、その応用を探求する。

関連論文リスト

What if LLMs Have Different World Views: Simulating Alien Civilizations with LLM-based Agents [41.651082318510845]
本研究では,人間と地球外文明の複雑な相互作用をシミュレーションするために,Large Language Models (LLM) を用いた革新的な人工知能システムであるCosmoAgentを紹介する。本手法により,文明の成長軌跡を定量的に分析し,成長・飽和の重要な点での今後の意思決定の洞察を提供する。この革新的な研究は、潜在的な文明間力学を解釈する新しい方法を導入するだけでなく、異なる価値体系を持つ実体が、非対称情報の下でのゲームの実行、競合の防止、およびゲームへの関与を可能にする実践的な価値も持っている。
論文参考訳（メタデータ） (2024-02-20T17:49:46Z)
Privacy and Copyright Protection in Generative AI: A Lifecycle Perspective [28.968233485060654]
データライフサイクルにおけるプライバシーと著作権保護の多面的課題について論じる。我々は、技術的革新と倫理的展望を組み合わせた統合的なアプローチを提唱する。この作業は、より広範な議論のきっかけとなり、ジェネレーティブAIにおけるデータのプライバシと著作権の整合性に対する継続的な取り組みを促進することを目的としている。
論文参考訳（メタデータ） (2023-11-30T05:03:08Z)
Can LLMs Keep a Secret? Testing Privacy Implications of Language Models via Contextual Integrity Theory [82.7042006247124]
私たちは、最も有能なAIモデルでさえ、人間がそれぞれ39%と57%の確率で、プライベートな情報を公開していることを示しています。我々の研究は、推論と心の理論に基づいて、新しい推論時プライバシー保護アプローチを即時に探求する必要性を浮き彫りにしている。
論文参考訳（メタデータ） (2023-10-27T04:15:30Z)
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)
Privacy Preservation in Artificial Intelligence and Extended Reality (AI-XR) Metaverses: A Survey [3.0151762748441624]
メタバースは、個人が対話し、創造し、幅広い活動に参加することができる仮想宇宙を構想している。メタバースにおけるプライバシーは、概念が進化し、没入的な仮想体験がより普及するにつれて、重要な関心事である。ユーザを追跡するためのAIに依存していることから、将来のメタバースが直面するであろうさまざまなプライバシー上の課題について検討する。
論文参考訳（メタデータ） (2023-09-19T11:56:12Z)
Privacy Computing Meets Metaverse: Necessity, Taxonomy and Challenges [29.22630037716171]
我々は、プライバシーコンピューティングがメタバースに合うときの必要性、分類、課題について包括的な研究を行う。まず、メタバースの基盤技術と様々な応用を紹介し、メタバースにおけるデータ利用の課題を分析する。次に、メタバースにおける異なるプライバシー問題に対する学習、差分プライバシー、同型暗号化、ゼロ知識に基づく最先端のソリューションをレビューし、要約する。
論文参考訳（メタデータ） (2023-04-23T13:05:58Z)
Cross-Network Social User Embedding with Hybrid Differential Privacy Guarantees [81.6471440778355]
プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
論文参考訳（メタデータ） (2022-09-04T06:22:37Z)
Fully Adaptive Composition in Differential Privacy [53.01656650117495]
よく知られた高度な合成定理は、基本的なプライバシー構成が許すよりも、プライベートデータベースを2倍にクエリすることができる。アルゴリズムとプライバシパラメータの両方を適応的に選択できる完全適応型合成を導入する。適応的に選択されたプライバシパラメータが許されているにもかかわらず、定数を含む高度なコンポジションのレートに適合するフィルタを構築します。
論文参考訳（メタデータ） (2022-03-10T17:03:12Z)
More Than Privacy: Applying Differential Privacy in Key Areas of Artificial Intelligence [62.3133247463974]
差分プライバシーは、AIのプライバシー保護以上のことができることを示す。また、セキュリティを改善し、学習を安定させ、公正なモデルを構築し、AIの選択領域にコンポジションを課すためにも使用できる。
論文参考訳（メタデータ） (2020-08-05T03:07:36Z)

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。