文献

J-GLOBAL ID：202102224169545935   整理番号：21A0673473

ソーシャルメディアにおける機械学習アルゴリズムの効用保存のためのプライバシー符号化モデル【JST・京大機械翻訳】

Privacy-Encoding Models for Preserving Utility of Machine Learning Algorithms in Social Media

著者 (3件)： Salim Sara (School of Engineering and IT, University of New South Wales Canberra,Australia) ,  Moustafa Nour (School of Engineering and IT, University of New South Wales Canberra,Australia) ,  Turnbull Benjamin (School of Engineering and IT, University of New South Wales Canberra,Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： TrustCom  ページ： 856-863  発行年： 2020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： 社会メディアは日常生活における不可欠なプラットフォームとなり,そこではユーザは世界中の友人や他の人々と相互作用できる。これらのプラットフォームによって生成された膨大なデータは,その多様性と感度において独特であり,しかし,それは潜在的に重要な有用性を持っているが,誤用の可能性もある。ソーシャルメディアプロバイダは,暗号化や匿名化のような既存のプライバシー技術を適用するが,データユーティリティの最高レベルを維持しながら,この技術はデータプライバシーの固体レベルを達成することができない。本論文では,2レベルのデータプライバシーを含む新しいプライバシー符号化(PE)モデルを提案した。1)データ摂動ベース符号化技術,2)データ正規化ベーススケーリング技法。データ摂動ベースの符号化技法は,ラベル符号器と1ホットエンコーダのものを含み,一方,データ正規化ベースのスケーリング技術は,最小-最大とz-スコア正規化のものを含む。2レベルの目的は,機械学習アルゴリズムを用いた高レベルのデータユーティリティのバランスとともに,元のデータを摂動データに変換することである。データユーティリティを評価するために,提案モデルを,模擬ソーシャルメディアデータセットと同様に,成人データセットに適用し,結果の精度をいくつかの機械学習アルゴリズムと比較した。実験結果は,このモデルが分散,精度,およびf測度計量に関して高いプライバシーとユーティリティレベルを達成できることを明らかにした。Copyright 2021 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： 相互作用 ,  測度 ,  成人 ,  プライバシー ,  符号器 ,  暗号 ,  摂動 ,  正規化 ,  *学習アルゴリズム
準シソーラス用語： ISP【インターネット】 ,  匿名 ,  *ソーシャルメディア ,  データプライバシー ,  データ摂動 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (8件)： ソーシャルメディア ,  機械学習 ,  アルゴリズム ,  効用 ,  保存 ,  プライバシー ,  符号化 ,  モデル