文献

J-GLOBAL ID：201902259495843473   整理番号：19A0514249

オープンモビリティトレースの再同定のための群スパース性テンソル因子分解【JST・京大機械翻訳】

Group Sparsity Tensor Factorization for Re-Identification of Open Mobility Traces

著者 (3件)： Murakami Takao (Information Technology Research Institute, National Institute of Advanced Industrial Science and Technology, Tokyo, Japan) ,  Kanemura Atsunori (Human Informatics Research Institute, National Institute of Advanced Industrial Science and Technology, Tsukuba, Japan) ,  Hino Hideitsu (University of Tsukuba, Tsukuba, Japan)
資料名： IEEE Transactions on Information Forensics and Security  (IEEE Transactions on Information Forensics and Security)
巻： 12  号： 3  ページ： 689-704  発行年： 2017年 
JST資料番号： W1570A  ISSN： 1556-6013  CODEN： ITIFA6  資料種別： 逐次刊行物 (A)
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： Markov連鎖モデルに基づく再同定攻撃は,匿名化されたトレースがどのようにユーザにリンクされるかを理解するために広く研究されている。このアプローチは,大量の訓練データを用いて,各ターゲットユーザに対して個人化された遷移行列を,またすべての匿名化されたトレースがターゲットユーザからの時に,ユーザが個人化された遷移行列を高精度で再同定することを可能にすることが知られている。しかしながら,実際には,多くのユーザが公共に対するそれらの位置情報のわずかな量しか開示しないので,各目標ユーザに対する訓練データの量は非常に小さい。さらに,匿名化されたトレースの多くは「非ターゲット」ユーザからであり,その個人化された遷移行列は前もって訓練されない。本論文は,以前に説明された現実的状況における再同定のリスクを定量化することを目的とした。まず,空間データがグループ構造を形成できるという事実を利用し,グループスパース性テンソル因数分解を提案し,少数の訓練トレースから個人化遷移行列を効果的に訓練する。第二に,「オープン」シナリオにおける再同定攻撃を定式化する。そこでは,匿名化トレースの多くが非ターゲットユーザからである。具体的には,このタイプの攻撃をバイオメトリック検証(または同定)タスクと見なし,個人化された遷移行列から計算される母集団遷移行列を用いてこのタスクを実行するためのフレームワークとアルゴリズムを提案した。3つの実データ集合を用いた実験結果は,テンソル因数分解を用いた訓練法が最大尤度推定法よりも著しく優れており,グループスパース性正則化を組み込むことによりさらに改善されることを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *移動度 ,  正則化 ,  母集団 ,  定式化 ,  アルゴリズム ,  *テンソル ,  因数分解 ,  最尤法 ,  位置情報
準シソーラス用語： 高精度 ,  遷移行列 ,  訓練データ ,  匿名 ,  因子分解 ,  *スパース性 , 【Automatic Indexing@JST】

分類 (3件)： 音声処理  (JE05000E) ,  信号理論  (ND02020G) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 同定 ,  群 ,  スパース性 ,  テンソル ,  因子分解