論文の概要: DeZent: Decentralized z-Anonymity with Privacy-Preserving Coordination

• arxiv url: http://arxiv.org/abs/2603.08854v1
• Date: Mon, 09 Mar 2026 19:14:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:23.7913
• Title: DeZent: Decentralized z-Anonymity with Privacy-Preserving Coordination
• Title（参考訳）: DeZent: プライバシ保護コーディネーションを備えた分散z匿名
• Authors: Carolin Brunn, Florian Tschorsch,
• Abstract要約: z匿名性のようなプライバシ向上技術は、継続的なデータストリームに対して効率的な匿名化を提供する。 我々は、中央エンティティへの信頼を最小限に抑える分散化されたz匿名実装であるdeZentを紹介する。 以上の結果から,deZentは出版率の点から中央集権z匿名性に匹敵する性能を示した。
• 参考スコア（独自算出の注目度）: 2.0625936401496237
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Analyzing large volumes of sensor network data, such as electricity consumption measurements from smart meters, is essential for modern applications but raises significant privacy concerns. Privacy-enhancing technologies like z-anonymity offer efficient anonymization for continuous data streams by suppressing rare values that could lead to re-identification, making it particularly suited for resource-constrained environments. Originally designed for centralized architectures, z-anonymity assumes a trusted central entity. In this paper, we introduce deZent, a decentralized implementation of z-anonymity that minimizes trust in the central entity by realizing local z-anonymity with lightweight coordination. We develop deZent using a stochastic counting structure and secure sum to coordinate private anonymization across the network. Our results show that deZent achieves comparable performance to centralized z-anonymity in terms of publication ratio, while reducing the communication overhead towards the central entity. Thus, deZent presents a promising approach for enhancing privacy in sensor networks while preserving system efficiency.
• Abstract（参考訳）: スマートメーターによる消費電力測定などの大量のセンサネットワークデータを解析することは、現代のアプリケーションには不可欠だが、プライバシー上の懸念を生じさせる。 z匿名性のようなプライバシ向上技術は、再識別につながる稀な値を抑えることで、継続的データストリームの効率的な匿名化を可能にし、リソース制約のある環境に特に適している。 元々は集中型アーキテクチャ用に設計されたが、z匿名性は信頼できる中央型エンティティを前提としている。 本稿では、局所的なz匿名性を軽量な協調で実現し、中央エンティティへの信頼を最小化する分散実装であるdeZentを紹介する。 確率的カウント構造とセキュアな和を用いてdeZentを開発し、ネットワーク間のプライベート匿名化を調整する。 以上の結果から,deZentは中央エンティティへの通信オーバヘッドを低減しつつ,出版率において集中的なz匿名性に匹敵する性能を達成できることが示唆された。 したがって、deZentはシステム効率を保ちながら、センサネットワークのプライバシーを高めるための有望なアプローチを示す。

関連論文リスト

• A Secure and Private Distributed Bayesian Federated Learning Design [56.92336577799572]
  DFL(Distributed Federated Learning)は、中央パラメータサーバを持たない大規模システム間の分散モデルトレーニングを可能にする。 DFLは、3つの重要な課題に直面している: 正直な隣人からのプライバシー漏洩、中央調整の欠如による収束の遅さ、モデルの精度の低下を目指すビザンティンの敵に対する脆弱性。 本稿では,ビザンチンの堅牢性,プライバシー保護,収束促進を統合した新しいDFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-23T16:12:02Z)
• Decentralized Federated Anomaly Detection in Smart Grids: A P2P Gossip Approach [0.44328715570014865]
  本稿では,ランダムウォーク(Random Walk)とエピデミック(Epidemic)という2つの主要なゴシッププロトコルに基づく分散化フェデレーション異常検出手法を提案する。 従来のフェデレートラーニングに比べて,トレーニング時間の35%が顕著に改善されている。
  論文  参考訳（メタデータ） (2024-07-20T10:45:06Z)
• Privacy Preserving Semi-Decentralized Mean Estimation over Intermittently-Connected Networks [59.43433767253956]
  信頼できない無線ネットワークの異なるノードに分散するベクトルの平均をプライベートに推定する問題を考える。 半分散的なセットアップでは、ノードは隣人と協力してローカルコンセンサスを計算し、中央サーバにリレーする。 ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
  論文  参考訳（メタデータ） (2024-06-06T06:12:15Z)
• TernaryVote: Differentially Private, Communication Efficient, and Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
  本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。 提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
  論文  参考訳（メタデータ） (2024-02-16T16:41:14Z)
• Collaborative Mean Estimation over Intermittently Connected Networks with Peer-To-Peer Privacy [86.61829236732744]
  本研究は、断続接続を有するネットワーク上での分散平均推定(DME)の問題について考察する。 目標は、中央サーバの助けを借りて、分散ノード間でローカライズされたデータサンプルに関するグローバル統計を学習することだ。 ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
  論文  参考訳（メタデータ） (2023-02-28T19:17:03Z)
• Decentralized Stochastic Optimization with Inherent Privacy Protection [103.62463469366557]
  分散最適化は、現代の協調機械学習、分散推定と制御、大規模センシングの基本的な構成要素である。 データが関与して以降、分散最適化アルゴリズムの実装において、プライバシ保護がますます重要になっている。
  論文  参考訳（メタデータ） (2022-05-08T14:38:23Z)
• Network Shuffling: Privacy Amplification via Random Walks [21.685747588753514]
  ネットワーク/グラフ上でランダムウォーク方式でデータを交換する分散メカニズムであるネットワークシャッフルを導入する。 プライバシーの増幅率は、均一シャッフルのような他のプライバシーの増幅手法と類似していることが示される。
  論文  参考訳（メタデータ） (2022-04-08T08:36:06Z)
• Mitigating Leakage from Data Dependent Communications in Decentralized Computing using Differential Privacy [1.911678487931003]
  本稿では,ユーザ側分散計算における通信データ依存性を制御する汎用実行モデルを提案する。 私たちの公式なプライバシー保証は、シャッフルによるプライバシーの増幅に関する最近の結果を活用し、拡張します。
  論文  参考訳（メタデータ） (2021-12-23T08:30:17Z)
• Graph-Homomorphic Perturbations for Private Decentralized Learning [64.26238893241322]
  ローカルな見積もりの交換は、プライベートデータに基づくデータの推測を可能にする。 すべてのエージェントで独立して選択された摂動により、パフォーマンスが著しく低下する。 本稿では,特定のヌル空間条件に従って摂動を構成する代替スキームを提案する。
  論文  参考訳（メタデータ） (2020-10-23T10:35:35Z)

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。