Der Artikel stellt ein neuartiges Problem-Konzept vor, das sich auf den Interessenausgleich zwischen Datenschutz und Nutzwert in Szenarien mit zwei unterschiedlichen Nutzergruppen konzentriert. Im Gegensatz zu früheren Studien, die sich auf Szenarien mit identischen privaten und nützlichen Attributen für alle Nutzer konzentrierten und oft auf Hilfsdatensätze oder manuelle Annotationen angewiesen waren, führt dieser Ansatz einen kollaborativen Datenaustauchmechanismus zwischen zwei Nutzergruppen über einen vertrauenswürdigen Dritten ein.
Der vertrauenswürdige Dritte nutzt adversarische Datenschutztechniken, um die Daten für beide Gruppen intern zu bereinigen und den Bedarf an manuellen Annotationen oder Hilfsdatensätzen zu eliminieren. Die Methodik stellt sicher, dass private Attribute nicht genau abgeleitet werden können, während gleichzeitig sehr genaue Vorhersagen der nützlichen Merkmale ermöglicht werden. Selbst wenn Analysten oder Angreifer Hilfsdatensätze mit Rohdaten besitzen, können sie private Merkmale nicht genau ableiten.
Der Datenaustauchmechanismus ist mit verschiedenen bestehenden adversariell trainierten Datenschutztechniken kompatibel. Die Wirksamkeit des Ansatzes wird empirisch anhand von synthetischen und realen Datensätzen demonstriert, wobei die Fähigkeit, die widersprüchlichen Ziele von Datenschutz und Nutzwert auszugleichen, aufgezeigt wird.
toiselle kielelle
lähdeaineistosta
arxiv.org
Tärkeimmät oivallukset
by Bishwas Mand... klo arxiv.org 04-09-2024
https://arxiv.org/pdf/2404.05043.pdfSyvällisempiä Kysymyksiä