文献

J-GLOBAL ID：202002264069837429   整理番号：20A0856588

モバイルマルチメディアシーンにおける匿名データセットのための高速再同定リスク評価【JST・京大機械翻訳】

Rapid Re-Identification Risk Assessment for Anonymous Data Set in Mobile Multimedia Scene

著者 (4件)： Yang Zhigang (School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing, China) ,  Wang Ruyan (School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing, China) ,  Luo Daizhong (School of Artificial Intelligence, Chongqing University of Arts and Sciences, Chongqing, China) ,  Xiong Yu (School of Artificial Intelligence, Chongqing University of Arts and Sciences, Chongqing, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 41557-41565  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  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： ユビキタスモバイルマルチメディアアプリケーションはユーザにとって大きな利便性をもたらす。しかし,モバイルマルチメディアサービスを享受するとき,ユーザはサービスプラットフォームに個人データを提供する。サービスプラットフォームは常に収集された個人データが同定されていないと主張しているが,連鎖攻撃を通してユーザを再同定するリスクはまだ存在しており,不可能である。本論文は,データ集合の統計(すなわち,個人数,属性値の分布,属性依存性)に基づく全体的再同定リスクのための迅速予測モデルを提案した。著者らの提案したモデルは,全体の再同定リスクに対する統計の影響を明らかにし,ランダムサンプリングとセミランダムサンプリング法を採用して,強い依存性順序属性対の有無によるデータ集合の全体的再同定リスクを予測した。実験結果により,強い依存性順序属性対のないデータ集合に対して,ランダムサンプリング法は高い予測精度(予測誤差は0.05未満)を持つことを示した。強い依存性順序属性対を有するデータ集合に対して,セミランダムサンプリング法は高い予測精度(予測誤差は0.09未満)を有した。著者らのモデルを利用して,政府と個人は,データセットの統計量だけを与えて,それらのデータセットのプライバシー漏れリスクを迅速に評価することができた。さらに,このモデルは,歴史的統計に従って事前にデータ収集スキームのプライバシーリスクを評価することもでき,疑わしいサービスを同定することができる。Copyright 2020 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： *マルチメディア ,  予測誤差 ,  無作為抽出 ,  *携帯電話 ,  プライバシー ,  *リスク評価 ,  統計量 ,  予測モデル ,  データ収集
準シソーラス用語： 予測精度 ,  サービスプラットフォーム ,  マルチメディアサービス ,  利便性 ,  マルチメディアコンテンツ ,  ユビキタス , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (4件)： 匿名 ,  データセット ,  同定 ,  リスク評価