論文の概要: Quantifying the Privacy-Utility Trade-off in GPS-based Daily Stress Recognition using Semantic Features

• arxiv url: http://arxiv.org/abs/2511.23200v1
• Date: Fri, 28 Nov 2025 14:04:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.919391
• Title: Quantifying the Privacy-Utility Trade-off in GPS-based Daily Stress Recognition using Semantic Features
• Title（参考訳）: セマンティック特徴を用いたGPSによる日々のストレス認識におけるプライバシーと実用のトレードオフの定量化
• Authors: Hoang Khang Phan, Nhat Tan Le,
• Abstract要約: 心理的ストレスは、学生の健康と学業成績に大きな影響を及ぼす広範な問題である。 既存の方法は、しばしばプライバシーリスクを引き起こすウェアラブルデバイスやGPSベースのクラスタリング技術に依存している。 本研究では,セマンティックな位置符号化のためのエンドツーエンドのプライバシー強化フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.23633885460047763
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Psychological stress is a widespread issue that significantly impacts student well-being and academic performance. Effective remote stress recognition is crucial, yet existing methods often rely on wearable devices or GPS-based clustering techniques that pose privacy risks. In this study, we introduce a novel, end-to-end privacy-enhanced framework for semantic location encoding using a self-hosted OSM engine and an LLM-bootstrapped static map. We rigorously quantify the privacy-utility trade-off and demonstrate (via LOSO validation) that our Privacy-Aware (PA) model achieves performance statistically indistinguishable from a non-private model, proving that utility does not require sacrificing privacy. Feature importance analysis highlights that recreational activity time, working time, and travel time play a significant role in stress recognition.
• Abstract（参考訳）: 心理的ストレスは、学生の健康と学業成績に大きな影響を及ぼす広範な問題である。 効果的なリモートストレス認識は重要であるが、既存の方法は、しばしばプライバシーリスクを引き起こすウェアラブルデバイスやGPSベースのクラスタリング技術に依存している。 本研究では,自己ホスト型OSMエンジンとLLMブートストラップ型静的マップを用いたセマンティックな位置符号化のための,エンドツーエンドのプライバシ強化フレームワークを提案する。 プライバシとユーティリティのトレードオフを厳格に定量化し、(LOSO検証を通じて)私たちのプライバシ・アウェア(PA)モデルが、非プライバシモデルと統計的に区別できないパフォーマンスを実現し、ユーティリティがプライバシを犠牲にする必要がないことを実証します。 特徴的重要性分析は、レクリエーション活動時間、労働時間、旅行時間がストレス認識において重要な役割を果たすことを強調している。

関連論文リスト

• Personalized 3D Spatiotemporal Trajectory Privacy Protection with Differential and Distortion Geo-Perturbation [64.60694805725727]
  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。
  論文  参考訳（メタデータ） (2025-11-27T07:41:14Z)
• Linear-Time User-Level DP-SCO via Robust Statistics [55.350093142673316]
  ユーザレベルの差分プライベート凸最適化(DP-SCO)は、マシンラーニングアプリケーションにおけるユーザのプライバシ保護の重要性から、大きな注目を集めている。 微分プライベート勾配勾配(DP-SGD)に基づくような現在の手法は、しばしば高雑音蓄積と準最適利用に苦しむ。 これらの課題を克服するために、ロバストな統計、特に中央値とトリミング平均を利用する新しい線形時間アルゴリズムを導入する。
  論文  参考訳（メタデータ） (2025-02-13T02:05:45Z)
• Real-Time Privacy Risk Measurement with Privacy Tokens for Gradient Leakage [15.700803673467641]
  プライバシーに敏感なドメインにおけるディープラーニングモデルは、プライバシーリスクに関する懸念を増幅している。 トレーニング中にプライベート勾配から直接導出されるプライバシートークンの概念を提案する。 プライバシートークンは、トレーニングデータからのプライベート情報漏洩の程度に関する貴重な洞察を提供する。 我々は、トレーニングデータと勾配の関係を定量化するために、Mutual Information (MI) をロバストな指標として採用する。
  論文  参考訳（メタデータ） (2025-02-05T06:20:20Z)
• 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)
• Scalable Differential Privacy Mechanisms for Real-Time Machine Learning Applications [0.0]
  大規模言語モデル(LLM)は、ユーザのプライバシ保護が最重要であるリアルタイム機械学習アプリケーションに、ますます統合されている。 従来の差分プライバシーメカニズムは、プライバシーと精度のバランスをとるのに苦労することが多い。 当社では,堅牢なプライバシ保証とモデルパフォーマンスの向上を重視した,リアルタイム機械学習に適したフレームワークであるScalable Differential Privacy(SDP)を紹介した。
  論文  参考訳（メタデータ） (2024-09-16T20:52:04Z)
• 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)
• Privacy-Preserving Gaze Data Streaming in Immersive Interactive Virtual Reality: Robustness and User Experience [11.130411904676095]
  アイトラッキングデータが露出すれば、再識別攻撃に使用できる。 対話型VRアプリケーションのためのリアルタイムプライバシメカニズムを評価する手法を開発した。
  論文  参考訳（メタデータ） (2024-02-12T14:53:12Z)
• PrivHAR: Recognizing Human Actions From Privacy-preserving Lens [58.23806385216332]
  我々は、人間の行動認識パイプラインに沿って、堅牢な視覚的プライバシー保護を提供するための最適化フレームワークを提案する。 我々のフレームワークは、カメラレンズをパラメータ化して、ビデオの品質を劣化させ、プライバシー特性を抑え、敵の攻撃を防ぎます。
  論文  参考訳（メタデータ） (2022-06-08T13:43:29Z)
• PCAL: A Privacy-preserving Intelligent Credit Risk Modeling Framework Based on Adversarial Learning [111.19576084222345]
  本稿では,PCAL(Adversarial Learning)に基づくプライバシ保護型信用リスクモデリングの枠組みを提案する。 PCALは、ターゲット予測タスクのパフォーマンスの重要なユーティリティ情報を維持しながら、元のデータセット内のプライベート情報を隠蔽することを目的としている。 結果は,PCALがユーザデータから効果的なプライバシフリー表現を学習し,信用リスク分析のためのプライバシ保存機械学習の基盤となることを示唆している。
  論文  参考訳（メタデータ） (2020-10-06T07:04:59Z)

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。