抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
まばらなモバイルクラウドセンシング(MCS)を都市規模センシングデータに関する推論を獲得する有力なアプローチとなっている。しかし,それらの実際のセンシング位置データを報告する時には,参加者はそれらの位置プライバシーリスク。この問題に対処するために,著者らは,敵の事前知識に関係なく参加者の位置プライバシーのための理論的保証を提供するためにスパースMCSにおける差分プライバシーを採用した。さらに,示差位置難読化によるデータ品質損失を減らすために,三成分privacypreservingフレームワークを提案した。まず,オリジナルのセンシングデータに適合難読化位置へのデータ調整機能を学習する。第二に,最適位置難読化機能,データ調整の不確実性を最小化することを目的としたを選択するために線形計画法を適用した。も高速近似変異体を提案した。第三に,難読化データの推定精度を改善するためにuncertaintyaware推論アルゴリズムを提案した。実環境と交通データセットを用いた評価は,最適な方法は既存の差分プライバシー法と比較して42%までデータ品質損失を低減することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】