文献

J-GLOBAL ID：201802267151635206   整理番号：18A0451372

ambiguizationを用いたスパース近似を用いたプライバシー保存同定【Powered by NICT】

Privacy preserving identification using sparse approximation with ambiguization

著者 (4件)： Razeghi Behrooz (Stochastic Information Processing Group, Department of Computer Science, University of Geneva, Switzerland) ,  Voloshynovskiy Slava (Stochastic Information Processing Group, Department of Computer Science, University of Geneva, Switzerland) ,  Kostadinov Dimche (Stochastic Information Processing Group, Department of Computer Science, University of Geneva, Switzerland) ,  Taran Olga (Stochastic Information Processing Group, Department of Computer Science, University of Geneva, Switzerland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： WIFS  ページ： 1-6  発行年： 2017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： 本論文では,バイオメトリクス,物理オブジェクトセキュリティとモノのインターネット(IoT)をカバーする同定への応用のためのプライバシー保護をコードする枠組みを考察した。提案したフレームワークは,スパース性を導入する,訓練された線形写像,要素非線形性,プライバシー増幅から成るに基づいている。スパース化変換とプライバシー増幅は,データ所有者とデータ利用者のための対称ではない。は,提案した手法が機械学習性質をもスパース近似と二元埋込み手法と比較して顕著な利点を提供することを疎な3進符号(STC),高次元特徴空間における高速近似最近傍(ANN)探索のための提案された最近の情報理論的概念と密接に関連していることを示した。サーバだけでなく,データユーザのプライバシーにアウトソースされたデータベースのプライバシーは低い計算コスト,記憶コスト,通信負荷で保存されていることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 高次元 ,  線形性 ,  対称性 ,  写像 ,  機械学習 ,  バイオメトリクス ,  非線形性 ,  データベース ,  情報理論 ,  *プライバシー ,  *近似法
準シソーラス用語： 計算コスト ,  特徴空間 ,  スパース性 ,  プライバシー保護 , 【Automatic Indexing@JST】

分類 (2件)： データ保護  (JD01020V) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 近似 ,  プライバシー ,  保存 ,  同定