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

共同研究者: Ashwin Machanavajjhala、Bolin Ding – この研究は、統計データベースにおける個人のプライバシーと、下流のデータ解析の有用性をトレードオフする方法を提供することを目的としている。 我々は、このトレードオフを指定するための豊富なインターフェイスを提供するプライバシー定義の新しいクラス – Blowfishプライバシー – を提示します。 我々は、k-meansクラスタリング、累積ヒストグラムのリリース、および範囲クエリへの応答において、差分プライバシーの場合と比較して、Blowfishプライバシー下のメカニズムで実用性が大幅に向上することを示す。 (詳細)

差延的プライバシー軌跡合成

共同研究者: Ashwin Machanavajjhala, Divesh Srivastava, Cecilia M. Procopiuc, Graham Cormode – 本研究は、差分プライバシー保証で位置追跡を公開する方法について検討するものである。 我々のアプローチでは、位置情報をトップkモビリティパターンとしてモデル化し、トップkパターンに基づいて学習したノイズの多いセミマルコフモデルから位置情報をサンプリングする。 また、ノイズの多いモデルを後処理し、より実データに近い位置情報を合成するための刈り込み戦略と効率的なアルゴリズムを提示する。 (詳細)

Coloring Privacy

このプロジェクトでは、モバイルソーシャルシステムにおけるプライバシーを別の角度から、可視化することを研究した。 可視化とは、情報の理解を深めるために画像、グラフィックス、アニメーションを作成することです…(詳細)

GPU Computing

GPUと呼ばれるグラフィックス処理ユニットの高い計算能力と手頃な価格に後押しされて、科学と工学アプリケーション用のより汎用プロセッサとしてGPUの新しい役割を探りたいです…詳細

…(詳細) (詳細)

。