文献

J-GLOBAL ID：201702279122097690   整理番号：17A0213907

まばらなモバイルクラウドセンシングのための差動位置プライバシー【Powered by NICT】

Differential Location Privacy for Sparse Mobile Crowdsensing

著者 (5件)： Wang Leye ,  Zhang Daqing ,  Yang Dingqi ,  Lim Brian Y. ,  Ma Xiaojuan
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICDM  ページ： 1257-1262  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： 近似法 ,  透視図法 ,  不確実性 ,  *プライバシー ,  線形計画法 ,  都市 ,  アルゴリズム ,  高速度
準シソーラス用語： 推定精度 ,  データ品質 ,  難読化 ,  差分プライバシー ,  事前知識 , 【Automatic Indexing@JST】

分類 (2件)： データ保護  (JD01020V) ,  移動通信  (ND08030H)

タイトルに関連する用語 (3件)： モバイルクラウドセンシング ,  差動 ,  プライバシー