کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4944077 1437977 2018 31 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Optimized, direct sale of privacy in personal data marketplaces
ترجمه فارسی عنوان
بهینه سازی، فروش مستقیم حریم شخصی در بازار اطلاعات شخصی
کلمات کلیدی
حریم خصوصی کاربر افشای ریسک، کارگزاران داده، افشای پول، جبران خسارت
ترجمه چکیده
اخیرا ما شاهد ظهور تعدادی از راه اندازی های جدید هستیم که افراد را قادر می سازد اطلاعات خصوصی خود را به طور مستقیم به کارگزاران و کسب و کارها به فروش برسانند. در حالی که این پارادایم جدید ممکن است تعادل قدرت را بین افراد و شرکت هایی که داده های خود را برداشت می کنند و داده های خود را تغییر می دهد، سوالات عملی و اساسی برای کاربران این سرویس ها را مطرح می کند: چگونه باید تصمیم بگیرند که کدام داده ها باید داده شوند و کدام اطلاعات محافظت شود معامله خوب است. در این کار ما یک مکانیسم را بررسی میکنیم که با هدف کمک به کاربران در پاسخ به این سوالات است. سازوکار مورد بررسی به یک مدل حریم خصوصی سخت افزاری و اجازه می دهد تا کاربران برای به اشتراک گذاشتن داده های جزئی یا کامل از شرکت های کارگزاری و داده کاوی در جهت پاداش اقتصادی استفاده کنند. تجزیه و تحلیل نظری تجارت بین حفظ حریم خصوصی و پول ناشی از چنین مکانیزمی هدف این کار است. ما یک معیار عمومی از حریم خصوصی را قبول می کنیم، هرچند بخشی از تحلیل ما بر برخی از نمونه های مهم اختلافات برگرمن تمرکز دارد. ما یک راه حل پارامتری برای حل معضل تبادل مطلوب حریم خصوصی برای پول پیدا می کنیم و یک عبارت فرم بسته را بدست می آوریم و مشخص می کنیم که بین افشای مشخصات و پاداش اقتصادی برای چندین مورد جالب است. در نهایت، ما به طور تجربی ارزیابی می کنیم که چگونه رویکرد ما می تواند در حفاظت از حریم خصوصی در یک سناریو داده ها و کارگزاری در دنیای واقعی کمک کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Very recently, we are witnessing the emergence of a number of start-ups that enables individuals to sell their private data directly to brokers and businesses. While this new paradigm may shift the balance of power between individuals and companies that harvest and mine data, it raises some practical, fundamental questions for users of these services: how they should decide which data must be vended and which data protected, and what a good deal is. In this work, we investigate a mechanism that aims at helping users address these questions. The investigated mechanism relies on a hard-privacy model and allows users to share partial or complete profile data with broker and data-mining companies in exchange for an economic reward. The theoretical analysis of the trade-off between privacy and money posed by such mechanism is the object of this work. We adopt a generic measure of privacy although part of our analysis focuses on some important examples of Bregman divergences. We find a parametric solution to the problem of optimal exchange of privacy for money, and obtain a closed-form expression and characterize the trade-off between profile-disclosure risk and economic reward for several interesting cases. Finally, we evaluate experimentally how our approach could contribute to privacy protection in a real-world data-brokerage scenario.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 424, January 2018, Pages 354-384
نویسندگان
,