WEKO3
-
RootNode
アイテム
欠損位置情報の推定を伴うテンソル分解と個人識別攻撃への応用
https://ipsj.ixsq.nii.ac.jp/records/146844
https://ipsj.ixsq.nii.ac.jp/records/1468443ff9068f-be2e-4f13-878f-d5d6128c5ce1
名前 / ファイル | ライセンス | アクション |
---|---|---|
![]() |
Copyright (c) 2015 by the Information Processing Society of Japan
|
|
オープンアクセス |
Item type | Symposium(1) | |||||||
---|---|---|---|---|---|---|---|---|
公開日 | 2015-10-14 | |||||||
タイトル | ||||||||
タイトル | 欠損位置情報の推定を伴うテンソル分解と個人識別攻撃への応用 | |||||||
タイトル | ||||||||
言語 | en | |||||||
タイトル | Tensor Factorization with Missing Location Estimation and Its Application to De-Anonymization Attacks | |||||||
言語 | ||||||||
言語 | jpn | |||||||
キーワード | ||||||||
主題Scheme | Other | |||||||
主題 | PWS,位置情報プライバシー,個人識別攻撃,テンソル分解,欠損位置情報 | |||||||
資源タイプ | ||||||||
資源タイプ識別子 | http://purl.org/coar/resource_type/c_5794 | |||||||
資源タイプ | conference paper | |||||||
著者所属 | ||||||||
産業技術総合研究所情報技術研究部門 | ||||||||
著者所属(英) | ||||||||
en | ||||||||
Information Technology Research Institute (ITRI), National Institute of Advanced Industrial Science and Technology (AIST) | ||||||||
著者名 |
村上, 隆夫
× 村上, 隆夫
|
|||||||
著者名(英) |
Takao, Murakami
× Takao, Murakami
|
|||||||
論文抄録 | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | 個人毎に学習したマルコフ遷移行列を基に,匿名化されたトレース (移動軌跡) から個人を識別する攻撃 (個人識別攻撃) が提案されている.しかし,個人が普段から公開する位置情報は一般的に多くなく,また一定時間おきに公開するとも限らない.この場合,学習に使用できるトレースは少量で,かつ一部の位置情報が欠損し得る.本稿では,この状況下でも頑健に遷移行列を推定するため,Viterbi アルゴリズムを用いた欠損位置情報の推定と,テンソル分解を用いた個人毎の遷移行列の学習を繰り返す学習法を提案する.この学習法を個人識別攻撃に適用し,最尤推定,及び Gibbs サンプリングを用いた学習法との比較を通して,有効性を示す. | |||||||
論文抄録(英) | ||||||||
内容記述タイプ | Other | |||||||
内容記述 | Recent studies have proposed de-anonymization attacks for mobility traces using personalized transition matrices. However, since many users only disclose a small amount of location data in their daily lives, the number of training traces can be very small. Also, since they do not disclose their locations at a fixed interval, missing locations can exist in the training traces. To address these issues, we propose a learning method that iterates estimating missing locations using the Viterbi algorithm and estimating transition matrices using tensor factorization. We show its effectiveness through a comparison with conventional learning methods. | |||||||
書誌情報 |
コンピュータセキュリティシンポジウム2015論文集 巻 2015, 号 3, p. 379-386, 発行日 2015-10-14 |
|||||||
出版者 | ||||||||
言語 | ja | |||||||
出版者 | 情報処理学会 |