一种用于辅助生活隐私保护的深度学习方法
信号处理
2018-02-27 v1 机器学习
摘要
在物联网（IoT）技术时代，隐私侵犯的可能性正成为一个主要担忧，尤其涉及医疗数据与环境辅助生活（AAL）环境。提供AAL技术的系统广泛利用个人数据，以提供情境感知与个性化的服务。这使得隐私保护成为一个非常重要的问题，尤其是用户并非总能意识到他们可能面临的隐私风险。深度学习领域已取得诸多进展，然而利用深度学习对敏感个人数据进行隐私保护的研究尚显不足。本文聚焦于长短期记忆（LSTM）编解码器这一深度学习核心组件，提出一种新的编码技术，可根据终端用户的访问级别及其所需信息，生成不同的AAL数据视图。所提方法的效率与有效性在模拟AAL数据集上的实验中得到验证。定性地，我们表明所提模型学习了披露、删除与泛化等隐私操作，并能以近乎完美的恢复效果对数据进行编码与解码。
引用
@article{arxiv.1802.09359,
title = {A Deep Learning Approach for Privacy Preservation in Assisted Living},
author = {Ismini Psychoula and Erinc Merdivan and Deepika Singh and Liming Chen and Feng Chen and Sten Hanke and Johannes Kropf and Andreas Holzinger and Matthieu Geist},
journal= {arXiv preprint arXiv:1802.09359},
year = {2018}
}
备注
6 pages, 6 figures, To be published in the IEEE International Conference on Pervasive Computing and Communications (SmarterAAL) 2018