論文の概要: Protecting participants or population? Comparison of k-anonymous Origin-Destination matrices

• arxiv url: http://arxiv.org/abs/2509.12950v1
• Date: Tue, 16 Sep 2025 10:54:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-17 17:50:53.043876
• Title: Protecting participants or population? Comparison of k-anonymous Origin-Destination matrices
• Title（参考訳）: 参加者保護と人口保護 : k-ノノニマスのオリジナル・ディジン化行列の比較
• Authors: Pietro Armenante, Kai Huang, Nikhil Jha, Luca Vassio,
• Abstract要約: Origin-Destination (OD) 行列は、ユーザのモビリティに関する研究のコアコンポーネントである。 データは広く、多くの社会デコグラフィー情報を含んでいる。 参加者は単にデータに記録されているだけでなく、実際の人口のセグメントに対する統計的に重み付けされたプロキシである。
• 参考スコア（独自算出の注目度）: 4.909852901452571
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Origin-Destination (OD) matrices are a core component of research on users' mobility and summarize how individuals move between geographical regions. These regions should be small enough to be representative of user mobility, without incurring substantial privacy risks. There are two added values of the NetMob2025 challenge dataset. Firstly, the data is extensive and contains a lot of socio-demographic information that can be used to create multiple OD matrices, based on the segments of the population. Secondly, a participant is not merely a record in the data, but a statistically weighted proxy for a segment of the real population. This opens the door to a fundamental shift in the anonymization paradigm. A population-based view of privacy is central to our contribution. By adjusting our anonymization framework to account for representativeness, we are also protecting the inferred identity of the actual population, rather than survey participants alone. The challenge addressed in this work is to produce and compare OD matrices that are k-anonymous for survey participants and for the whole population. We compare several traditional methods of anonymization to k-anonymity by generalizing geographical areas. These include generalization over a hierarchy (ATG and OIGH) and the classical Mondrian. To this established toolkit, we add a novel method, i.e., ODkAnon, a greedy algorithm aiming at balancing speed and quality. Unlike previous approaches, which primarily address the privacy aspects of the given datasets, we aim to contribute to the generation of privacy-preserving OD matrices enriched with socio-demographic segmentation that achieves k-anonymity on the actual population.
• Abstract（参考訳）: Origin-Destination (OD) 行列は、ユーザのモビリティの研究の中心的な要素であり、個人が地理的領域間でどのように移動するかを要約する。 これらのリージョンは、実質的なプライバシーリスクを伴わずに、ユーザのモビリティを表すのに十分な小さくなければならない。 NetMob2025チャレンジデータセットには2つの値が追加されている。 第一に、データは広く、人口のセグメントに基づいて複数のOD行列を作成するために使用できる多くの社会デコグラフィー情報を含んでいる。 第二に、参加者は単なるデータの記録ではなく、実際の人口の一部に対する統計的に重み付けされたプロキシである。 これは匿名化パラダイムの根本的なシフトへの扉を開く。 プライバシーに関する人口ベースの見方は、私たちの貢献の中心です。 匿名化の枠組みを代表性に合わせることで、調査参加者だけでなく、実際の人口の同一性も保護しています。 この研究で取り組んだ課題は、調査参加者と人口全体を対象としたk匿名のOD行列の作成と比較である。 地理的領域を一般化することにより,従来の匿名化手法とk匿名性を比較した。 これには階層(ATGとOIGH)と古典モンドリアンへの一般化が含まれる。 この確立されたツールキットには、速度と品質のバランスをとることを目的としたグリーディアルゴリズムであるODkAnonという新しい手法が加えられる。 対象のデータセットのプライバシー的側面に主に対処する従来のアプローチとは異なり、我々は、実際の個体群にk匿名性をもたらす社会デコグラフィーセグメンテーションに富んだプライバシー保護OD行列の生成に寄与することを目指している。

関連論文リスト

• Robust Zero-Shot Crowd Counting and Localization With Adaptive Resolution SAM [55.93697196726016]
  本稿では,SEEM(Seegment-Everything-Everywhere Model)を用いた簡易かつ効果的な群集カウント手法を提案する。 密集した群集シーンにおけるSEEMの性能は,高密度領域の多くの人々が欠落していることが主な原因である。 提案手法は,群集カウントにおいて最高の教師なし性能を実現すると同時に,いくつかの教師付き手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2024-02-27T13:55:17Z)
• On the steerability of large language models toward data-driven personas [98.9138902560793]
  大規模言語モデル(LLM)は、特定のグループや集団の意見が不足している偏りのある応答を生成することが知られている。 本稿では, LLM を用いて特定の視点の制御可能な生成を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-08T19:01:13Z)
• A Trajectory K-Anonymity Model Based on Point Density and Partition [0.0]
  本稿では点密度と分割(K PDP)に基づく軌道K匿名性モデルを開発する。 再識別攻撃に抵抗し、k匿名データセットのデータユーティリティ損失を低減する。
  論文  参考訳（メタデータ） (2023-07-31T17:10:56Z)
• My Face My Choice: Privacy Enhancing Deepfakes for Social Media Anonymization [4.725675279167593]
  仮説的ソーシャルネットワークに3つの顔アクセスモデルを導入し、ユーザーが承認した写真にのみ現れる能力を持つ。 我々のアプローチは、現在のタグ付けシステムを廃止し、未承認の顔を定量的に異なるディープフェイクに置き換える。 その結果,7つのSOTA顔認識器を動作させることで,平均精度を61%削減できることがわかった。
  論文  参考訳（メタデータ） (2022-11-02T17:58:20Z)
• Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
  現在の顔認識(FR)モデルには、人口統計バイアスが存在する。 さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。 真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。 本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-16T15:05:49Z)
• Differential Privacy of Hierarchical Census Data: An Optimization Approach [53.29035917495491]
  国勢調査局(Census Bureaus)は、個人に関する機密情報を明らかにすることなく、大人口に関する社会経済的データをまとめて公開することに興味を持っている。 最近の出来事では、これらの組織が直面しているプライバシー上の課題がいくつか特定されている。 本稿では,階層的な個人数を解放する新たな差分プライバシ機構を提案する。
  論文  参考訳（メタデータ） (2020-06-28T18:19:55Z)

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。