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。
差分プライバシーに基づいて,種々のパラダイムを統計的近似を用いたプライバシー保護データセットを放出するために提案されている。それにもかかわらず,ほとんどの既存の方式は,高度に相関した属性に直面するとき制限され,信頼できないサーバからのプライバシー脅威を防止できない。本論文では,局所微分プライバシーを持つ多次元クラウドソーシングデータを合成し,放出効率的に新しいコピュラベース方式を提案した。この方式では,各参加者(あるいはユーザ)データは局所的に無作為化応答法,参加者(ユーザ)側に参加者のプライバシーを保証するに基づくビットストリングに変換した。コピュラ理論は一変量周辺分布と属性依存性に基づく多次元クラウドソーシングデータを合成するための活用。単変量周辺分布は凝集したプライバシー保護ビットストリングからのLassoベース回帰アルゴリズムによって推定した。属性間の依存性を多変量ガウスコピュラのパラメータは,ピアソンの相関係数によって推定されるとしてモデル化した。このスキームの有効性を検証するために実験を行った。著者らの実験結果は,著者らの方式が分布した参加者に保証局所微分プライバシーを用いた高次元データの放出に有効であることを実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】