Blowfish Privacy: Tuning Privacy-Utility Trade-offs using Policies

Collaboratori: Ashwin Machanavajjhala e Bolin Ding – Questa ricerca mira a fornire modi per scambiare la privacy degli individui in un database statistico per l’utilità dell’analisi a valle dei dati. Presentiamo una nuova classe di definizioni di privacy – Blowfish privacy, che offre una ricca interfaccia per specificare questo compromesso. Mostriamo significativi miglioramenti di utilità per il clustering k-means, rilasciando istogrammi cumulativi e rispondendo a query di intervallo con meccanismi sotto la privacy Blowfish rispetto alle loro controparti differentemente private. (maggiori dettagli)

Sintesi di traiettorie differenzialmente private

Collaboratori: Ashwin Machanavajjhala, Divesh Srivastava, Cecilia M. Procopiuc, Graham Cormode – Questa ricerca considera i metodi per pubblicare tracce di localizzazione con garanzia di privacy differenziale. Il nostro approccio prevede la modellazione delle tracce di posizione come modelli di mobilità top-k per una sensibilità limitata, e il campionamento delle tracce di posizione da un modello semi-Markov rumoroso appreso sui modelli top-k. Presentiamo strategie di potenziamento e algoritmi efficienti per post-processare il modello rumoroso che ha una struttura gerarchica sbilanciata e per sintetizzare le tracce di localizzazione più vicine ai dataset reali.(maggiori dettagli)

Coloring Privacy

Questo progetto ha studiato la privacy nei sistemi mobile-social da un’altra angolazione, la visualizzazione. La visualizzazione crea immagini, grafici o animazioni per migliorare la comprensione delle informazioni da parte delle persone….(maggiori dettagli)

GPU Computing

Sospinti dall’elevata potenza di calcolo e dalla convenienza delle unità di elaborazione grafica, note come GPU, vorremmo esplorare il nuovo ruolo delle GPU come processore di uso più generale per applicazioni scientifiche e ingegneristiche…. (maggiori dettagli)