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。
攻撃者は事前に任意の背景知識を持っている時に異なるプライバシーはデータプライバシー保護の最近の概念,問題ではない。,機密情報のための信頼できる防護機構として見られている。微分プライバシーはデータセットにおける真の値を隠蔽するLaplace雑音を紹介した統計的特性を保持している。しかし,データセットに加えLaplace雑音の大きな量は一般にLaplace分布の推論的スケールパラメータによって定義される。差分プライバシーのプライバシーパラメータεは理論的解釈とであるが,実際にはデータ開示(RoDと呼ばれる)のリスクへの影響はまだ研究されていない。さらに,データセットにおけるプライバシーのレベルに著しく影響を与えるのでεのための適切な値を選ぶ簡単な仕事ではない。本論文では,雑音推定に基づく多重属性を持つ数値または計数クエリーのための数値または二成分のいずれか属性を持つデータセットにおけるRoDを定義し,評価した。雑音推定の信頼確率により,プライバシーパラメータεを選択する簡単な方法を与えた。最後に,実験結果におけるRoDとプライバシーパラメータεの関係を示した。著者らの知識の及ぶ限りでは,これは多重属性(数値及び二元データ)のためのRoDを実用的に評価するための雑音推定を用いた最初の研究成果である。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】