کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4955506 1444218 2017 44 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Protecting personal trajectories of social media users through differential privacy
ترجمه فارسی عنوان
حفاظت از مسیرهای شخصی کاربران رسانه ای از طریق حریم خصوصی فردی
کلمات کلیدی
حریم خصوصی دیفرانسیل رسانه های اجتماعی، سنتز مسیرها، سیستم مرجع، نمونه برداری صوتی،
ترجمه چکیده
ترافیک جاده ای یک مسئله مهم در شهرهای مدرن است، با این حال، بیشتر راه حل های شناسایی ترافیک موجود بر اساس امکانات گران قیمت مانند سنسورها یا زیرساخت های پروتکل حمل و نقل با هزینه های بالای استقرار و مدیریت است. به عنوان یک نتیجه از هزینه، چنین راه حل های در همه جا مستقر نیست. استفاده گسترده از دستگاه های تلفن همراه هوشمند با قابلیت های مبتنی بر مکان و محبوبیت جهانی برنامه های میکروبلاگینگ مانند توییتر فرصتی برای مقابله با این مشکلات ارائه می دهد. کاربران توییتر می توانند به عنوان سنسورهای ترافیک انسانی بپردازند که انعکاس زمان واقعی ترافیک را ارائه می دهند. با این حال، این داده ها می توانند حاوی اطلاعات حریم شخصی شخصی گسترده ای باشند که مکانیسم های حفظ حریم خصوصی را برای مکان کاربر و مسیر فعلی خود حفظ می کند. حریم خصوصی دیفرانسیل می تواند اطمینان حاصل کند که درجه حریم خصوصی در این مسیر ها می تواند حفظ شود در حالی که امکان تجزیه و تحلیل داده ها و استخراج محتوای توییتر را فراهم می کند. این مقاله یک مدل آزمایشی خصوصی خطوط خصوصی و الگوریتم های مرتبط با تضمین های حریم خصوصی دیفرانسیل ارائه می دهد که هر دو داده حریم خصوصی و داده ها را در نظر می گیرد. این شامل توسعه یک سیستم مرجع خصوصی برای کالیبراسیون مسیرهای جداگانه (خام) کاربران در نقاط لنگر مجهز شده است؛ ساخت و ساز حریم خصوصی با حمایت از درخت پیشوند اصلاح شده با نویز به منظور آزاد سازی داده های سنتز به صورت خصوصی و ارزیابی جامع از دقت و کارایی راه حل ها از نظر مجموعه ای از معیارهای ارزیابی بر اساس شیوه های کاربر مبتنی بر زندگی واقعی در سراسر شهر ملبورن .
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
پیش نمایش مقاله
حفاظت از مسیرهای شخصی کاربران رسانه ای از طریق حریم خصوصی فردی
چکیده انگلیسی
Road traffic congestion is an important issue in modern cities, however most existing traffic jam identification solutions are based on expensive facilities such as sensors or transport probe infrastructure with high deployment and management costs. As a result of the cost, such solutions are not ubiquitously deployed. The extensive use of smart mobile devices furnished with location-based competencies and the global popularity of microblogging applications like Twitter offers an opportunity to tackle these problems. Twitter users can serve as human traffic sensors providing real-time reflections of current traffic situations. However, these data can contain extensive personal privacy information that demands privacy preserving mechanisms for the user location and their current trajectory. Differential privacy can ensure that degrees of privacy in these trajectories can be preserved whilst allowing data analysis and mining of the Twitter content. This paper proposes an innovative private trajectories release model and associated algorithms with differential privacy guarantees that considers both data privacy and data utility. This includes development of a private reference system for calibrating separate (raw) users trajectories across obfuscated anchor points; construction of privacy supporting noise-enhanced prefix trees to release synthesis data privately, and comprehensive evaluation of both the accuracy and utility of the solutions in terms of a set of evaluation metrics based on real-life tweets-based user trajectories across the city of Melbourne.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Security - Volume 67, June 2017, Pages 142-163
نویسندگان
, ,