論文の概要: Personalized 3D Spatiotemporal Trajectory Privacy Protection with Differential and Distortion Geo-Perturbation
- arxiv url: http://arxiv.org/abs/2511.22180v1
- Date: Thu, 27 Nov 2025 07:41:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-01 19:47:55.444234
- Title: Personalized 3D Spatiotemporal Trajectory Privacy Protection with Differential and Distortion Geo-Perturbation
- Title（参考訳）: 差分的・歪み的測地摂動による3次元時空間的プライバシー保護の個人化
- Authors: Minghui Min, Yulu Li, Gang Li, Meng Li, Hongliang Zhang, Miao Pan, Dusit Niyato, Zhu Han,
- Abstract要約: 本稿では3DSTPMという,個人化された3次元トラジェクトリプライバシ保護機構を提案する。
軌道上の位置間の相関を利用して攻撃する攻撃者の特徴を分析し,攻撃モデルを示す。
提案した3DSTPMは,ユーザのパーソナライズされたプライバシ保護のニーズを満たす際に,損失を効果的に低減することを示す。
- 参考スコア（独自算出の注目度）: 64.60694805725727
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid advancement of location-based services (LBSs) in three-dimensional (3D) domains, such as smart cities and intelligent transportation, has raised concerns over 3D spatiotemporal trajectory privacy protection. However, existing research has not fully addressed the risk of attackers exploiting the spatiotemporal correlation of 3D spatiotemporal trajectories and the impact of height information, both of which can potentially lead to significant privacy leakage. To address these issues, this paper proposes a personalized 3D spatiotemporal trajectory privacy protection mechanism, named 3DSTPM. First, we analyze the characteristics of attackers that exploit spatiotemporal correlations between locations in a trajectory and present the attack model. Next, we exploit the complementary characteristics of 3D geo-indistinguishability (3D-GI) and distortion privacy to find a protection location set (PLS) that obscures the real location for all possible locations. To address the issue of privacy accumulation caused by continuous trajectory queries, we propose a Window-based Adaptive Privacy Budget Allocation (W-APBA), which dynamically allocates privacy budgets to all locations in the current PLS based on their predictability and sensitivity. Finally, we perturb the real location using the allocated privacy budget by the PF (Permute-and-Flip) mechanism, effectively balancing privacy protection and Quality of Service (QoS). Simulation results demonstrate that the proposed 3DSTPM effectively reduces QoS loss while meeting the user's personalized privacy protection needs.
- Abstract（参考訳）: スマートシティやインテリジェントトランスポートといった3次元3Dドメインにおける位置情報サービス(LBS)の急速な進歩は、3D時空間のプライバシー保護に関する懸念を引き起こしている。
しかし、既存の研究では、攻撃者が3次元時空間軌道の時空間相関と高さ情報の影響を悪用する危険性を完全には解決していない。
これらの課題に対処するために,3DSTPMと呼ばれる時空間的プライバシー保護機構をパーソナライズする。
まず,経路内の位置間の時空間的相関を利用した攻撃者の特徴を分析し,攻撃モデルを示す。
次に,3D測位性(3D-GI)と歪みプライバシーの相補的な特徴を利用して,可能なすべての位置の実際の位置を隠蔽する保護位置集合(PLS)を求める。
連続的なトラジェクトリクエリによるプライバシ蓄積の問題に対処するため,ウィンドウベースの適応プライバシ予算割当(W-APBA)を提案し,その予測可能性と感度に基づいて,現在のPLSのすべての場所に動的にプライバシ予算を割り当てる。
最後に、プライバシ保護と品質・オブ・サービス(QoS)を効果的にバランスさせるために、PF(Permute-and-Flip)メカニズムによって割り当てられたプライバシ予算を用いて、実際のロケーションを摂動する。
シミュレーションの結果、提案した3DSTPMは、ユーザのパーソナライズされたプライバシ保護のニーズを満たしながら、QoS損失を効果的に低減することを示した。
関連論文リスト
- Road Network-Aware Personalized Trajectory Protection with Differential Privacy under Spatiotemporal Correlations [33.41548062041307]
本稿では,これらの課題に対処するためのPTPPM(Personalized Trajectory Privacy Protection Mechanism)を提案する。
我々のアプローチは、攻撃者がユーザの軌道感度に関する知識をモデル化することから始まり、攻撃者が可能な位置集合を識別できるようにする。
これに対抗するために、地理不整合相関を歪みと統合し、ユーザーはプライバシーの好みをカスタマイズできる。
論文 参考訳（メタデータ） (2025-11-26T03:33:24Z) - PrivAR: Real-Time Privacy Protection for Location-Based Augmented Reality Applications [5.9049896608422285]
Pok'emon Goのような位置情報ベースの拡張現実(LB-AR)アプリケーションは、秒未満のGPS更新をストリームする。
PrivARはリアルタイムLB-ARのための最初のクライアントサイドプライバシフレームワークである。
論文 参考訳（メタデータ） (2025-08-04T16:02:10Z) - Enhancing Feature-Specific Data Protection via Bayesian Coordinate Differential Privacy [55.357715095623554]
ローカル微分プライバシー(LDP)は、ユーザーが外部の関係者を信頼することなく、強力なプライバシー保証を提供する。
本稿では,ベイジアン・フレームワークであるベイジアン・コーディネート・ディファレンシャル・プライバシ(BCDP)を提案する。
論文 参考訳（メタデータ） (2024-10-24T03:39:55Z) - Activity Recognition on Avatar-Anonymized Datasets with Masked Differential Privacy [64.32494202656801]
プライバシを保存するコンピュータビジョンは、機械学習と人工知能において重要な問題である。
本稿では,ビデオデータセット中の感性のある被験者を文脈内の合成アバターに置き換える匿名化パイプラインを提案する。
また、匿名化されていないがプライバシーに敏感な背景情報を保護するため、MaskDPを提案する。
論文 参考訳（メタデータ） (2024-10-22T15:22:53Z) - 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) - Protecting Personalized Trajectory with Differential Privacy under Temporal Correlations [37.88484505367802]
本稿では,パーソナライズされたトラジェクトリプライバシ保護機構(PTPPM)を提案する。
ヒルベルト曲線に基づく最小距離探索アルゴリズムを用いて,各位置の保護位置集合(PLS)を同定する。
我々は位置摂動のための新しいPermute-and-Flip機構を提案し、データ公開プライバシー保護における初期応用を位置摂動機構にマッピングした。
論文 参考訳（メタデータ） (2024-01-20T12:59:08Z) - TeD-SPAD: Temporal Distinctiveness for Self-supervised
Privacy-preservation for video Anomaly Detection [59.04634695294402]
人間の監視のないビデオ異常検出(VAD)は複雑なコンピュータビジョンタスクである。
VADのプライバシー漏洩により、モデルは人々の個人情報に関連する不必要なバイアスを拾い上げ、増幅することができる。
本稿では,視覚的プライベート情報を自己管理的に破壊する,プライバシーに配慮したビデオ異常検出フレームワークTeD-SPADを提案する。
論文 参考訳（メタデータ） (2023-08-21T22:42:55Z) - 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-Aware Adversarial Network in Human Mobility Prediction [11.387235721659378]
ユーザの再識別やその他の機密性の高い推論は、位置情報データがクラウド支援アプリケーションと共有される場合、主要なプライバシー上の脅威である。
LSTMに基づく逆表現学習により、元の位置情報データのプライバシー保護機能表現を実現する。
モビリティトレースのプライバシは、限界モビリティユーティリティーのコストで、まともな保護を達成できることを示します。
論文 参考訳（メタデータ） (2022-08-09T19:23:13Z) - 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。