LDP-IDS:無限データストリームのための局所差分プライバシー【JST・京大機械翻訳】

Ren Xuebin; Shi Liang; Yu Weiren; Yang Shusen; Zhao Cong; Xu Zongben

プレプリント

J-GLOBAL ID：202202209492455181 整理番号：22P0324023

LDP-IDS:無限データストリームのための局所差分プライバシー【JST・京大機械翻訳】

LDP-IDS: Local Differential Privacy for Infinite Data Streams

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月01日プレプリントサーバーでの情報更新日： 2022年04月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ストリーミングデータ収集は,様々なIoTとモバイルデバイスベースシステムにおける実時間データ分析に不可欠であるが,しかし,エンドユーザのプライバシーを曝露するかもしれない。局所微分プライバシー(LDP)はプライバシー保護データ収集と解析に対する有望な解決策である。しかし,流れに関する既存の少数のLDP研究は,有限河川のみに,あるいは不十分な保護に悩まされる。本論文では,LDP-IDSを提案することにより,ユーザエンドでの無限ストリームに対する実用的なプライバシー保証を提供し,集中型差動プライバシー(CDP)におけるポピュラーな予算分割フレームワークを適応させる新しいwイベントLDPパラダイムを提案する。LDPのための統一誤差解析構成を構築することによって,著者らは最初に,ストリームにおける非決定論的スパース性を活用することによって,データユーティリティを強化することができるLDP-IDSのための2つの広告予算分割ベースのLDP方式を開発した。さらに,著者らはさらに,LDP雑音の予算分割への高感度を避けることができるだけではなく,また,かなり少ない通信を必要とする新しい母集団分割フレームワークを提案した。フレームワークに基づいて,理論解析によるLDP-IDSのための2つの適応個体群分割法も提示した。提案フレームワークと手法の有効性および効率を評価するために,合成および実世界データセットに関する広範な実験を行った。実験結果は,適応予算分割法の有効性にもかかわらず,提案した集団分割フレームワークと方法がさらに高い有効性と効率を達成できることを証明した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

データ保護

, , ,

前のページに戻る