論文の概要: Building a privacy-preserving Federated Recommender system for mobile devices

• arxiv url: http://arxiv.org/abs/2605.22924v2
• Date: Wed, 27 May 2026 18:29:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 05:02:24.53548
• Title: Building a privacy-preserving Federated Recommender system for mobile devices
• Title（参考訳）: モバイルデバイスのためのプライバシ保護型フェデレーションレコメンダシステムの構築
• Authors: Aasheesh Singh,
• Abstract要約: モバイル機器のための2段階のフェデレーションレコメンデーションシステムパイプラインを提案する。 第1ステージでは、クラウド内の非機密アプリケーションコンテキストデータ上で協調的なフィルタリングモデルを実行し、関連する項目のショートリストを生成する。 第2段階では、これらの候補をデバイス上でセンシティブなモバイル信号を使って再ランク付けし、デバイスを離れるのはモデル更新/段階のみである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Serving personalized content on mobile devices has traditionally required pooling sensitive user data on centralized servers, a practice increasingly at odds with modern privacy expectations and geographical regulations. We present a two-stage federated recommendation system pipeline for mobile devices, built around a principled separation between non-sensitive user preference data and sensitive mobile context data that never leaves the device. The first stage runs a collaborative filtering model on non-sensitive app-context data in the cloud to generate a shortlist of relevant items. The second stage re-ranks these candidates on-device using sensitive mobile signals, with only model updates/gradients ever leaving the device. We validate the approach on MovieLens, UCI Human Activity Recognition, and a proprietary pilot dataset, and deliver a production-ready implementation as a Kotlin Multiplatform library deployable on Android and iOS.
• Abstract（参考訳）: モバイルデバイス上でパーソナライズされたコンテンツをサービングするには、従来、集中型サーバに機密データをプールする必要がある。 我々は,非機密ユーザ嗜好データとデバイスを離れることのないセンシティブなモバイルコンテキストデータとの分離を原則として構築した,モバイルデバイスのための2段階のフェデレーションレコメンデーションシステムパイプラインを提案する。 第1ステージでは、クラウド内の非機密アプリケーションコンテキストデータ上で協調的なフィルタリングモデルを実行し、関連する項目のショートリストを生成する。 第2段階では、これらの候補をデバイス上でセンシティブなモバイル信号を使って再ランク付けし、デバイスを離れるのはモデル更新/段階のみである。 MovieLens、UCI Human Activity Recognition、プロプライエタリなパイロットデータセットに対するアプローチを検証するとともに、AndroidとiOSにデプロイ可能なKotlin Multiplatformライブラリとしてプロダクション対応の実装を提供します。

関連論文リスト

• MobileA3gent: Training Mobile GUI Agents Using Decentralized Self-Sourced Data from Diverse Users [52.696186533146516]
  MobileA3gentは、分散したセルフソースデータを使用してモバイルGUIエージェントをトレーニングするコラボレーティブフレームワークである。 MobileA3gentは従来のアプローチよりも1%のコストで優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-02-05T08:26:17Z)
• Personalized Language Model Learning on Text Data Without User Identifiers [79.36212347601223]
  ユーザの埋め込みを動的に生成するために,各モバイルデバイスがユーザ固有の分布を維持することを提案する。 クラウドがアップロードされた埋め込みを通じてユーザを追跡するのを防ぐために、異なるユーザのローカルディストリビューションは、線形依存空間から導出されるべきである。 パブリックデータセットとインダストリアルデータセットの両方の評価では、匿名ユーザ埋め込みの導入による精度の大幅な向上が示されている。
  論文  参考訳（メタデータ） (2025-01-10T15:46:19Z)
• Enabling On-Device Large Language Model Personalization with Self-Supervised Data Selection and Synthesis [27.792167318819068]
  本稿では,オンライン上で最も代表的なデータを自己管理的に選択・保存するための新しいフレームワークを提案する。 実験の結果,提案フレームワークは,バニラベースラインと比較して,ユーザ固有のコンテンツ生成能力(精度)と微調整速度(性能)に優れていた。
  論文  参考訳（メタデータ） (2023-11-21T01:34:02Z)
• Federated Privacy-preserving Collaborative Filtering for On-Device Next App Prediction [52.16923290335873]
  本稿では,モバイルデバイス使用時の次のアプリの起動を予測するための新しいSeqMFモデルを提案する。 古典行列分解モデルの構造を修正し、学習手順を逐次学習に更新する。 提案手法のもうひとつの要素は,ユーザからリモートサーバへの送信データの保護を保証する,新たなプライバシメカニズムである。
  論文  参考訳（メタデータ） (2023-02-05T10:29:57Z)
• Federated Learning-based Active Authentication on Mobile Devices [98.23904302910022]
  モバイルデバイス上のユーザアクティブ認証は、デバイスセンサ情報に基づいて登録ユーザを正しく認識できるモデルを学ぶことを目的としている。 Federated Active Authentication (FAA) と呼ばれる新しいユーザーアクティブ認証トレーニングを提案します。 既存のFL/SL法は,同質に分散するデータに依存するため,FAAにとって最適ではないことを示す。
  論文  参考訳（メタデータ） (2021-04-14T22:59:08Z)
• Unsupervised Model Personalization while Preserving Privacy and Scalability: An Open Problem [55.21502268698577]
  本研究では,非教師なしモデルパーソナライゼーションの課題について検討する。 この問題を探求するための新しいDual User-Adaptation Framework(DUA)を提供する。 このフレームワークは、サーバ上のモデルパーソナライズとユーザデバイス上のローカルデータ正規化に柔軟にユーザ適応を分散させる。
  論文  参考訳（メタデータ） (2020-03-30T09:35:12Z)

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。