論文の概要: Privacy-Utility-Fairness: A Balanced Approach to Vehicular-Traffic Management System
- arxiv url: http://arxiv.org/abs/2507.08864v1
- Date: Wed, 09 Jul 2025 13:49:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:21.57248
- Title: Privacy-Utility-Fairness: A Balanced Approach to Vehicular-Traffic Management System
- Title（参考訳）: プライバシ・ユーティリティ・フェアネス: 車両交通管理システムへのバランスのとれたアプローチ
- Authors: Poushali Sengupta, Sabita Maharjan, frank Eliassen, Yan Zhang,
- Abstract要約: 位置情報に基づく車両交通管理は、機密性の高い地理的データを保護する上で大きな課題に直面している。
既存の最先端ソリューションは、リンク攻撃や人口統計バイアスに対して要求されるレベルの保護を満たさないことが多い。
本稿では,位置に基づく車両交通管理システムにおけるプライバシ,ユーティリティ,公平性のバランスに関する課題に対処する新しいアルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 5.519732380983778
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Location-based vehicular traffic management faces significant challenges in protecting sensitive geographical data while maintaining utility for traffic management and fairness across regions. Existing state-of-the-art solutions often fail to meet the required level of protection against linkage attacks and demographic biases, leading to privacy leakage and inequity in data analysis. In this paper, we propose a novel algorithm designed to address the challenges regarding the balance of privacy, utility, and fairness in location-based vehicular traffic management systems. In this context, utility means providing reliable and meaningful traffic information, while fairness ensures that all regions and individuals are treated equitably in data use and decision-making. Employing differential privacy techniques, we enhance data security by integrating query-based data access with iterative shuffling and calibrated noise injection, ensuring that sensitive geographical data remains protected. We ensure adherence to epsilon-differential privacy standards by implementing the Laplace mechanism. We implemented our algorithm on vehicular location-based data from Norway, demonstrating its ability to maintain data utility for traffic management and urban planning while ensuring fair representation of all geographical areas without being overrepresented or underrepresented. Additionally, we have created a heatmap of Norway based on our model, illustrating the privatized and fair representation of the traffic conditions across various cities. Our algorithm provides privacy in vehicular traffic
- Abstract（参考訳）: 位置情報に基づく車両交通管理は、交通管理と地域間の公平性を維持しながら、機密性の高い地理的データを保護する上で大きな課題に直面している。
既存の最先端ソリューションは、リンク攻撃や人口統計バイアスに対して要求されるレベルの保護を満たさないことが多いため、プライバシの漏洩とデータ分析の不平等につながる。
本稿では,位置情報に基づく交通管理システムにおけるプライバシ,ユーティリティ,公平性のバランスに関する課題に対処する新しいアルゴリズムを提案する。
この文脈では、実用性は信頼性と意味のある交通情報を提供することであり、公正性は、すべての地域と個人がデータ利用と意思決定において公平に扱われることを保証する。
差分プライバシー技術を用いることで、クエリベースのデータアクセスと反復シャッフルと校正ノイズ注入を統合することにより、データセキュリティを強化し、センシティブな地理的データが保護されることを保証する。
我々は、Laplace機構を実装することにより、epsilon-differential privacy standardsの遵守を保証する。
提案アルゴリズムはノルウェーの車載位置データに基づいて実装され,交通管理と都市計画のためのデータユーティリティの維持と,過剰表現や表現不足を伴わずに全地理的領域の公平な表現の確保を図った。
さらに,我々のモデルに基づくノルウェーのヒートマップを作成し,各都市における交通状況の民営化と公正表現を図った。
我々のアルゴリズムは車載交通におけるプライバシーを提供する
関連論文リスト
- Leveraging Functional Encryption and Deep Learning for Privacy-Preserving Traffic Forecasting [3.177180500119784]
本稿では,セキュアでプライバシ保護された位置情報と交通予報システムを提案する。
我々の新しいk匿名方式は,ドライバが送信した暗号化された位置情報を集約するために機能暗号化を利用する。
本研究では,60分間の予測地平線に対する平均絶対誤差を10%以下に抑えた提案手法の有効性を示す。
論文 参考訳（メタデータ） (2025-04-17T18:21:55Z) - Effective and Efficient Cross-City Traffic Knowledge Transfer: A Privacy-Preserving Perspective [24.359053901146623]
我々は、効果的で、効率的で、プライバシーに配慮したクロスシティ交通知識伝達フレームワークであるFedTTを提案する。
FedTTは、トラフィックデータドメインを、データ豊富な都市からデータ少ない都市に変換する。
4つの実生活データセットを用いた実験は、FedTTが14の最先端ベースラインを上回っていることを示している。
論文 参考訳（メタデータ） (2025-03-15T02:26:24Z) - Differentially Private Data Release on Graphs: Inefficiencies and Unfairness [48.96399034594329]
本稿では,ネットワーク情報公開の文脈における偏見と不公平性に対する差別的プライバシの影響を特徴づける。
ネットワーク構造が全員に知られているネットワークリリースの問題を考えるが、エッジの重みをプライベートにリリースする必要がある。
我々の研究は、これらのネットワーク化された決定問題におけるプライバシーに起因する偏見と不公平性に関する理論的根拠と実証的な証拠を提供する。
論文 参考訳（メタデータ） (2024-08-08T08:37:37Z) - IBB Traffic Graph Data: Benchmarking and Road Traffic Prediction Model [0.24999074238880487]
道路交通渋滞予測はインテリジェント交通システムにおいて重要な要素である。
IBB Traffic Graphデータセットは、2451の異なる場所で収集されたセンサーデータをカバーしている。
本稿では,機能工学を通して時間的リンクを強化する道路交通予測モデルを提案する。
論文 参考訳（メタデータ） (2024-08-02T05:23:19Z) - Reconsidering utility: unveiling the limitations of synthetic mobility data generation algorithms in real-life scenarios [49.1574468325115]
実世界の応用性の観点から,5つの最先端合成手法の有用性を評価した。
我々は、GPS追跡タクシーのような細粒度都市の動きを符号化するいわゆる旅行データに焦点を当てる。
あるモデルは妥当な時間内にデータを生成することができず、別のモデルはマップマッチングの要件を満たすためにあまりに多くのジャンプを生成する。
論文 参考訳（メタデータ） (2024-07-03T16:08:05Z) - Measuring Privacy Loss in Distributed Spatio-Temporal Data [26.891854386652266]
本稿では,情報提供者による位置復元攻撃に対する代替プライバシ損失を提案する。
実データと合成データに関する我々の実験は、分散環境での個人のプライバシー侵害に対する直感を反映していることを示している。
論文 参考訳（メタデータ） (2024-02-18T09:53:14Z) - Location Privacy Threats and Protections in 6G Vehicular Networks: A Comprehensive Review [23.901688216192397]
位置のプライバシーは、ドライバーの軌跡や個人情報が暴露される車載ネットワークにおいて重要である。
本調査では, インフラストラクチャベース, 光ビジョンベース, セルラジオベースのローカライゼーションなど, 包括的に異なるローカライゼーション手法について検討する。
位置情報プライバシ保護機構(LPPM)を,ユーザ側,サーバ側,ユーザ-サーバインターフェースベースに分類し,その有効性を評価する。
論文 参考訳（メタデータ） (2023-05-08T06:55:35Z) - Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings [44.4879068879732]
本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。
その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。
ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
論文 参考訳（メタデータ） (2022-07-28T12:29:39Z) - Distributed Machine Learning and the Semblance of Trust [66.1227776348216]
フェデレートラーニング(FL)により、データ所有者はデータを共有することなく、データガバナンスを維持し、モデルトレーニングをローカルで行うことができる。
FLと関連する技術は、しばしばプライバシー保護と表現される。
この用語が適切でない理由を説明し、プライバシの形式的定義を念頭に設計されていないプロトコルに対する過度な信頼に関連するリスクを概説する。
論文 参考訳（メタデータ） (2021-12-21T08:44:05Z) - An Experimental Urban Case Study with Various Data Sources and a Model
for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。
我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。
本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文 参考訳（メタデータ） (2021-08-02T08:13:57Z) - End-to-End Intersection Handling using Multi-Agent Deep Reinforcement
Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。
本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。
本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文 参考訳（メタデータ） (2021-04-28T07:54:40Z) - PGLP: Customizable and Rigorous Location Privacy through Policy Graph [68.3736286350014]
我々はPGLPと呼ばれる新しい位置プライバシーの概念を提案し、カスタマイズ可能で厳格なプライバシー保証を備えたプライベートロケーションをリリースするためのリッチなインターフェースを提供する。
具体的には,ユーザの位置プライバシー要件を,表現的かつカスタマイズ可能なテキスト配置ポリシーグラフを用いて形式化する。
第3に、位置露光の検出、ポリシーグラフの修復、およびカスタマイズ可能な厳格な位置プライバシーを備えたプライベートな軌跡リリースをパイプライン化する、プライベートな位置トレースリリースフレームワークを設計する。
論文 参考訳（メタデータ） (2020-05-04T04:25:59Z)
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。