文献

J-GLOBAL ID：201902213050045797   整理番号：19A0492188

文脈を意識した生成的敵対者プライバシー【JST・京大機械翻訳】

Context-Aware Generative Adversarial Privacy

著者 (5件)： Huang Chong (School of Electrical, Computer and Energy Engineering, Arizona State University, Tempe, AZ 85281, USA) ,  Kairouz Peter (Department of Civil and Environmental Engineering, Stanford University, Stanford, CA 94305, USA) ,  Chen Xiao (Department of Civil and Environmental Engineering, Stanford University, Stanford, CA 94305, USA) ,  Sankar Lalitha (School of Electrical, Computer and Energy Engineering, Arizona State University, Tempe, AZ 85281, USA) ,  Rajagopal Ram (Department of Civil and Environmental Engineering, Stanford University, Stanford, CA 94305, USA)
資料名： Entropy (Web)  (Entropy (Web))
巻： 19  号： 12  ページ： 656  発行年： 2017年 
JST資料番号： U7179A  ISSN： 1099-4300  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 公表されたデータセットの有用性を保存する一方で,同時に証明可能なプライバシー保証を提供することはよく知られた挑戦である。一方では,差別的プライバシーのようなコンテキストフリープライバシーソリューションは,強いプライバシー保証を提供するが,しばしばユーティリティにおける有意な減少につながる。他方では,情報理論的プライバシーのような文脈認識プライバシーソリューションは,改善されたプライバシー効用トレードオフを達成するが,データホルダはデータセット統計にアクセスすると仮定する。著者らは,これらの限界を,生成敵のプライバシー(GAP)と呼ばれる新しい文脈認識プライバシーフレームワークを導入することにより回避した。ギャップは,データホルダがデータセット自身からの民営化スキームを学習することを可能にするために,生成的なadversネットワーク(Gans)における最近の進歩を活用している。GAPの下で,プライバシーメカニズムを学習することは,2つのプレイヤーの間の制約付きミニマックスゲームとして定式化される。すなわち,個人の個人的変数に関する推論攻撃のリスクを制限する方法でデータセットをs化する。また,秘密化データセットから個人的変数を推論することを試みる。GAPの性能を評価するために,2つの単純な統計的データセットモデル(a)二値データモデルを調べた。(b)二成分Gauss混合モデル。両モデルに対して,ゲーム理論的に最適なミニマックスプライバシーメカニズムを導出し,データから学習されたプライバシー機構(生成的な敵の仕方で)が理論的に最適なものと一致することを示した。これは,著者らのフレームワークが,データセット統計の不在においてさえ,実際に容易に適用できることを実証した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *プライバシー ,  定式化 ,  ゲーム理論 ,  ネットワーク ,  民営化 ,  統計データ ,  情報理論 ,  機械学習 ,  データモデル ,  ゲーム
準シソーラス用語： Gauss混合モデル ,  プレイヤ ,  差別 ,  敵対者 , 【Automatic Indexing@JST】

著者キーワード (10件)： 生成的敵対者プライバシー ,  生成的敵対ネットワーク ,  民営化ネットワーク ,  敵対的ネットワーク ,  統計的データプライバシー ,  微分プライバシー ,  情報理論的プライバシー ,  相互情報プライバシー ,  誤り確率ゲーム ,  機械学習

分類 (1件)： データ保護  (JD01020V)

引用文献 (94件)：

• Economist, T. The World’s Most Valuable Resource Is No Longer Oil, but Data; The Economist: New York, NY, USA, 2017.
• National Science and Technology Council Networking and Information Technology Research and Development Program. National Privacy Research Strategy; Technical Report; Executive Office of the President of the United States: Washington, DC, USA, 2016. EUGDPR. The EU General Data Protection Regulation (GDPR). Available online: http://www.eugdpr.org/ (accessed on 22 November 2017).
• Samarati, P.; Sweeney, L. Protecting Privacy When Disclosing Information: k-Anonymity and Its Enforcement through Generalization and Suppression; Technical Report; SRI International: Menlo Park, CA, USA, 1998.
• Sweeney, L. k-Anonymity: A model for protecting privacy. Int. J. Uncertain. Fuzziness Knowl. Based Syst. 2002, 10, 557-570.
• Li, N.; Li, T.; Venkatasubramanian, S. t-Closeness: Privacy beyond k-anonymity and l-diversity. In Proceedings of the IEEE 23rd International Conference on Data Engineering, ICDE 2007, Istanbul, Turkey, 11-15 April 2007; pp. 106-115.

タイトルに関連する用語 (4件)： 文脈 ,  意識 ,  敵対者 ,  プライバシー