面向隐私保护接触者追踪的可解释链接预测
密码学与安全
2020-12-11 v1 人工智能
机器学习
社会与信息网络
摘要
接触者追踪已被用于识别与感染 SARS-Cov2 冠状病毒者近距离接触的人群。许多数字接触者追踪应用已被引入以辅助或补充实体接触者追踪。然而，接触者追踪应用的实现中存在诸多隐私问题，导致人们不愿在这些应用上安装或更新其感染状态。在本概念论文中，我们提出来自图神经网络和可解释性的思路，可提升对这些应用的信任并鼓励人们采用。
引用
@article{arxiv.2012.05516,
title = {Explainable Link Prediction for Privacy-Preserving Contact Tracing},
author = {Balaji Ganesan and Hima Patel and Sameep Mehta},
journal= {arXiv preprint arXiv:2012.05516},
year = {2020}
}
备注
8 pages, 7 figures, SpicyFL 2020 Workshop at NeurIPS 2020