Conceptos Básicos
提案するデータ共有メカニズムにより、プライバシー保護と効用の高い予測の両立が可能となる。
Resumen
本研究では、2つのユーザーグループが異なるプライバシー属性と効用属性を持つ状況を扱う。
- 各グループのデータを信頼できる第三者サービスプロバイダに提供し、プライバシー保護メカニズムを訓練する
- プライバシー保護メカニズムは、グループ間でデータを共有しながら、各グループのプライバシー属性の正確な推定を困難にし、効用属性の高精度な予測を可能にする
- 提案手法は、既存のプライバシー保護手法であるALFRとUAE-PUPETを統合したものであり、相互情報量の低減とプライバシー・効用のトレードオフの最適化を実現する
- 実験結果から、提案手法がプライバシーと効用のバランスを取れることが示された。特にUAE-PUPETを用いた場合に優れた性能が得られた。
Estadísticas
集団1の無処理データでは、プライバシー属性の正解率が0.88、効用属性の正解率が0.92であった。
提案手法(UAE-PUPET)を適用後は、プライバシー属性の正解率が0.55、効用属性の正解率が0.90となった。
集団2の無処理データでは、プライバシー属性の正解率が0.98、効用属性の正解率が0.93であった。
提案手法(UAE-PUPET)を適用後は、プライバシー属性の正解率が0.59、効用属性の正解率が0.89となった。