用于生成合成室内位置数据的差分隐私 GAN
密码学与安全
2025-04-15 v1 人工智能
信号处理
摘要
基于位置的服务出现后，室内定位系统得到了广泛采用，这些系统能够在建筑物等封闭空间内对个人进行位置追踪。虽然这些系统提供了改善安全性和个性化服务等诸多益处，但也引发了关于隐私泄露的担忧。因此，越来越需要既能保护用户敏感位置信息又能维持室内定位系统功能的隐私保护解决方案。近年来，差分隐私生成对抗网络（DPGAN）已成为一种强大的方法，旨在保护单个数据点的隐私，同时生成类似于原始数据的逼真合成数据。DPGAN 将生成对抗网络（GAN）的强大能力与差分隐私（DP）的隐私保护技术相结合。在本文中，我们引入了一个采用 DPGAN 的室内定位框架，以生成隐私保护的室内位置数据。我们在真实的室内定位数据集上评估了该框架的性能，并证明了其在保护隐私的同时维持定位系统准确性的有效性。
引用
@article{arxiv.2404.07366,
title = {Differentially Private GANs for Generating Synthetic Indoor Location Data},
author = {Vahideh Moghtadaiee and Mina Alishahi and Milad Rabiei},
journal= {arXiv preprint arXiv:2404.07366},
year = {2025}
}
备注
Submitted to International Journal of Information Security