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

Colaboratori: Ashwin Machanavajjhala și Bolin Ding – Această cercetare are ca scop să ofere modalități de negociere a confidențialității indivizilor dintr-o bază de date statistice pentru utilitatea analizei în aval a datelor. Prezentăm o clasă nouă de definiții ale confidențialității – confidențialitatea Blowfish, care oferă o interfață bogată pentru a specifica acest compromis. Demonstrăm îmbunătățiri semnificative ale utilității pentru gruparea k-means, eliberarea de histograme cumulative și răspunsul la interogări de intervale cu mecanisme în conformitate cu confidențialitatea Blowfish în comparație cu omologii lor cu confidențialitate diferențiată. (mai multe detalii)

Differentially Private Trajectory Synthesis

Colaboratori:

Sinteza traiectoriilor private diferențiat: Ashwin Machanavajjhala, Divesh Srivastava, Cecilia M. Procopiuc, Graham Cormode – Această cercetare ia în considerare metode de publicare a urmelor locațiilor cu garanție de confidențialitate diferențială. Abordarea noastră implică modelarea urmelor de localizare ca modele de mobilitate top-k pentru o sensibilitate limitată și eșantionarea urmelor de localizare dintr-un model semi-Markov zgomotos învățat pe modelele top-k. Prezentăm strategii de tăiere și algoritmi eficienți de postprocesare a modelului zgomotos care are o structură ierarhică dezechilibrată și de sintetizare a urmelor de localizare mai apropiate de seturile de date reale.(mai multe detalii)

Coloring Privacy

Acest proiect a studiat confidențialitatea în sistemul mobil-social dintr-un alt unghi, vizualizarea. Vizualizarea creează imagini, grafice sau animații pentru a îmbunătăți înțelegerea informațiilor de către oameni….(mai multe detalii)

GPU Computing

Dus de puterea mare de calcul și accesibilitatea unităților de procesare grafică, cunoscute sub numele de GPU, am dori să explorăm noul rol al GPU ca procesor de uz mai general pentru aplicații științifice și inginerești…. (mai multe detalii)