Technical gazette, Vol. 24 No. 4, 2017.
Original scientific paper
https://doi.org/10.17559/TV-20170415165405
Oslobađanje diferencijalno privatnih podataka u realnom vremenu zasnovano na pokretnoj prosječnoj strategiji
Mengang Li
; Transportation Engineering and Theoretical Economics, Beijing Jiaotong University, Siyuan East Building, Haidian District, Beijing 100044, China
Daiyong Quan
; Data Privacy in Intelligent Traffic, China Centre for Industrial Security Research, Beijing Jiaotong University, 7th Teaching Building, Beijing 100044, China
Lu Yu
; School of Economic and Management of Beijing Jiaotong University, Siyuan East Building, Haidian District, Beijing 100044, China
Abstract
S razvojem i popularizacijom mobilno-svjesnih (mobile-aware) uslužnih sustava lako je prikupiti kontekstualne podatke kao što su putanje aktivnosti u svakodnevnom životu. Očekuje se da će objavljivanje postojećih statističkih podataka o kontekstualnim strujanjima koje proizvode mase ljudi biti od važnosti i za znanstvenike i za poslovne ljude. Ipak, analiza tih neobrađenih podataka može dovesti do kompromitiranja individualne privatnosti. ε-Differential Privacy pojavila se kao standard za objavljivanje privatnih statističkih podataka zbog toga što garantira preciznost i matematičku dokazivost. Kod mobilno-svjesnih uslužnih sustava krajnji cilj je ne samo zaštita korisnikove privatnosti već i stvaranje balansa između privatnosti i korisnosti. Imajući to u vidu mi predlažemo fleksibilni m-kontekst model privatnosti u svrhu osiguranja privatnosti korisnika pod zaštitom ε-diferencijalne privatnosti. Eksperimenti s dva niza podataka iz stvarnog života pokazuju da predložena raspodjela privatnog budžeta primjenom pokretne prosječne aproksimativne strategije može biti efikasna kod objavljivanja privatnih podataka u realnom vremenu.
Keywords
diferencijalna privatnost; dinamička raspodjela; pokretna prosječna aproksimativna strategija; zaštita konteksta privatnosti
Hrčak ID:
185505
URI
Publication date:
31.7.2017.
Visits: 2.498 *