Capstone：智能手机上的移动性建模以实现隐私 by Design
密码学与安全
2018-02-21 v1 计算机与社会
摘要
与情境感知服务提供商共享位置轨迹会带来隐私问题。位置隐私保护机制，如混淆、匿名化与密码学原语，已被证明具有不实用的效用/隐私权衡。另一种增强用户隐私的方案是通过在用户智能手机上执行传统上由服务提供商端完成的任务来最小化数据共享。尽管与不可信实体共享的数据量显著减少，但在资源受限的智能手机上执行计算密集的服务器端任务通常不可行。为此，我们提出一种通过将以时空轨迹视为时空信号来降低计算复杂度的新视角。降低数据维度有助于将计算任务卸载到数字信号处理器并使用非阻塞信号处理流水线。在聚焦于用户移动性建模任务时，相较于最先进（state of the art）技术我们取得如下结果：(i) 精度与召回率大于80%的移动性模型，(ii) 计算复杂度降低2.5倍，以及 (iii) 功耗降低0.5倍。此外，我们的技术不依赖于通常导致现有技中隐私泄露与结论性偏差的用户行为参数。使用三个真实世界移动性数据集，我们证明了我们的技术在构建准确用户移动性模型的同时解决了这些弱点。
引用
@article{arxiv.1802.07132,
title = {Capstone: Mobility Modeling on Smartphones to Achieve Privacy by Design},
author = {Vaibhav Kulkarni and Arielle Moro and Bertil Chapuis and Benoit Garbinato},
journal= {arXiv preprint arXiv:1802.07132},
year = {2018}
}