論文の概要: Contrastive Learning for Privacy Enhancements in Industrial Internet of Things
- arxiv url: http://arxiv.org/abs/2602.00515v1
- Date: Sat, 31 Jan 2026 05:11:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 19:28:33.230228
- Title: Contrastive Learning for Privacy Enhancements in Industrial Internet of Things
- Title（参考訳）: モノのインターネットにおけるプライバシ向上のためのコントラスト学習
- Authors: Lin Liu, Rita Machacy, Simi Kuniyilh,
- Abstract要約: 産業用IoT(Industrial Internet of Things)は、インテリジェントなセンシング、通信、分析を産業環境に統合する。
IIoTは、運用データの機密性のために、重要なプライバシと機密性リスクを導入している。
コントラスト学習は、ラベル付きデータと生のデータ共有への依存を減らすことによって、プライバシー保護分析のための有望なアプローチとして登場した。
- 参考スコア（独自算出の注目度）: 5.670812806008398
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Industrial Internet of Things (IIoT) integrates intelligent sensing, communication, and analytics into industrial environments, including manufacturing, energy, and critical infrastructure. While IIoT enables predictive maintenance and cross-site optimization of modern industrial control systems, such as those in manufacturing and energy, it also introduces significant privacy and confidentiality risks due to the sensitivity of operational data. Contrastive learning, a self-supervised representation learning paradigm, has recently emerged as a promising approach for privacy-preserving analytics by reducing reliance on labeled data and raw data sharing. Although contrastive learning-based privacy-preserving techniques have been explored in the Internet of Things (IoT) domain, this paper offers a comprehensive review of these techniques specifically for privacy preservation in Industrial Internet of Things (IIoT) systems. It emphasizes the unique characteristics of industrial data, system architectures, and various application scenarios. Additionally, the paper discusses solutions and open challenges and outlines future research directions.
- Abstract（参考訳）: 産業用モノのインターネット(Industrial Internet of Things, IIoT)は、インテリジェントなセンシング、通信、分析を、製造、エネルギー、重要なインフラを含む産業環境に統合する。
IIoTは、製造やエネルギーといった近代的な産業制御システムの予測的メンテナンスとクロスサイト最適化を可能にする一方で、運用データの感度によるプライバシーと機密性の重大なリスクも導入する。
自己監督型表現学習パラダイムであるContrastive Learningは、ラベル付きデータへの依存を減らし、生データを共有することで、プライバシー保護分析のための有望なアプローチとして最近登場した。
対照的な学習に基づくプライバシ保存技術はモノのインターネット(IoT)ドメインで研究されているが,本論文では,モノのインターネット(IIoT)システムにおけるプライバシ保護に特化した技術について,包括的なレビューを行う。
産業データ、システムアーキテクチャ、および様々なアプリケーションシナリオのユニークな特徴を強調します。
さらに,ソリューションとオープン課題について論じ,今後の研究の方向性について概説する。
関連論文リスト
- IoT and Predictive Maintenance in Industrial Engineering: A Data-Driven Approach [0.0]
第4次産業革命は、モノのインターネットとデータ駆動方式の応用が従来の保守に革命をもたらしている、スマート製造の新しい時代をもたらした。
IoTと機械学習アルゴリズムのリアルタイムデータによって、予測メンテナンスにより、産業システムは障害を予測し、マシンの寿命を最適化できる。
論文 参考訳（メタデータ） (2025-11-07T01:55:16Z) - Adversary-Aware Private Inference over Wireless Channels [51.93574339176914]
ワイヤレスエッジデバイスにおけるAIベースのセンシングは、人工知能(AI)アプリケーションを大幅に強化する可能性がある。
機密性の高い個人情報は敵によって再構築できるため、プライバシー侵害のリスクを軽減するために特徴の変換が必要である。
本稿では,デバイスがモデルサーバに送信する前に抽出した特徴の変換を適用する,プライバシ保護型AIベースセンシングのための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-23T13:02:14Z) - Rethinking Data Protection in the (Generative) Artificial Intelligence Era [138.07763415496288]
現代の(生産的な)AIモデルやシステムに生じる多様な保護ニーズを捉える4段階の分類法を提案する。
当社のフレームワークは、データユーティリティとコントロールのトレードオフに関する構造化された理解を提供し、AIパイプライン全体にわたっています。
論文 参考訳（メタデータ） (2025-07-03T02:45:51Z) - SoK: Advances and Open Problems in Web Tracking [71.54586748169943]
Webトラッキングは、パーソナライズされた広告とコンバージョン追跡を可能にする、広範かつ不透明なプラクティスである。
Webトラッキングは、広告業界の変化、ブラウザによるアンチトラッキング対策の導入、新たなプライバシー規制の実施などによって、かつての世代の変革が進んでいる。
このシステム化・オブ・ナレッジ(SoK)は、この幅広い研究を統合することを目的としており、近代的で急速に進化するWebトラッキングのランドスケープを形成するための技術的なメカニズム、対策、および規制の包括的概要を提供する。
論文 参考訳（メタデータ） (2025-06-16T23:30:54Z) - Digital Twin in Industries: A Comprehensive Survey [1.1008520905907015]
Digital Twin (DT)は、現実世界のシステムをバーチャルなシステムとシームレスに統合する革新的なイノベーションとして登場した。
特に、さまざまな分野にわたる産業アプリケーションにおけるDTの役割について、技術的に深く議論する。
DTベースの業界において、さまざまな主要なプライバシとセキュリティの問題を調査し、分析する。
論文 参考訳（メタデータ） (2024-11-29T19:14:45Z) - Privacy-Preserving Data in IoT-based Cloud Systems: A Comprehensive Survey with AI Integration [0.0]
本調査では,IoTとクラウドシステムの動的交点におけるプライバシ問題の状況について,慎重に調査する。
包括的な文献レビューは、既存の研究を合成し、鍵となる課題を照明し、プライバシー保護技術の新たなトレンドを識別する。
論文 参考訳（メタデータ） (2024-01-01T15:48:39Z) - Introduction to IoT [0.0]
モノのインターネットは21世紀に急速に変化した。
スマートデバイスと自動化技術の統合は、私たちの生活のあらゆる側面に革命をもたらした。
また、この技術的景観における重要な安全、安全、信頼の懸念を認識することが不可欠である。
論文 参考訳（メタデータ） (2023-12-09T10:29:16Z) - Federated Learning for Industrial Internet of Things in Future
Industries [106.13524161081355]
産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。
近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。
フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
論文 参考訳（メタデータ） (2021-05-31T01:02:59Z) - Trustworthy AI Inference Systems: An Industry Research View [58.000323504158054]
我々は、信頼できるAI推論システムの設計、展開、運用にアプローチするための業界調査ビューを提供する。
信頼された実行環境を用いたAIシステムの機会と課題を強調します。
我々は,産業,アカデミック,政府研究者のグローバルな集団的注意を必要とする,さらなる発展の分野を概説する。
論文 参考訳（メタデータ） (2020-08-10T23:05:55Z) - Beyond privacy regulations: an ethical approach to data usage in
transportation [64.86110095869176]
本稿では,フェデレート機械学習を交通分野に適用する方法について述べる。
フェデレートラーニングは、ユーザのプライバシを尊重しつつ、プライバシに敏感なデータを処理可能にする方法だと考えています。
論文 参考訳（メタデータ） (2020-04-01T15:10:12Z)
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。