在智能建筑数据上使用隐私模型对 CO2 预测的影响
密码学与安全
2023-06-02 v1
摘要
在构成物联网 (IoT) 革命的众多系统所收集与处理的数据效用，与居住在承载这些传感器的空间中的用户的隐私担忧之间，存在着持续的权衡。诸如 SITA（空间、身份、时间与活动）模型等隐私模型有助于应对这种权衡。在本文中，我们关注 预测问题，该问题对健康监测至关重要，但也可用于监测占用情况，这可能泄露某些隐私信息。我们对来自智能建筑的真实数据集应用多种变换，以在收集的数据上模拟不同的 SITA 配置。我们将变换后的数据与多种机器学习 (ML) 技术结合使用，分析模型预测 水平的性能。结果表明，对于不同的算法，与基线数据相比，不同的 SITA 配置并未使某一算法的表现优于或劣于其他算法；此外，在我们的实验中，时间维度尤为敏感，原始数据与变换数据之间的得分下降高达 。这些结果有助于展示不同级别的数据隐私对 IoT 应用数据效用的影响，也有助于识别哪些参数对这些系统更为相关，从而在保持数据效用的同时采用更高的隐私设置。
引用
@article{arxiv.2306.00766,
title = {Impact of using a privacy model on smart buildings data for CO2 prediction},
author = {Marlon P. da Silva and Henry C. Nunes and Charles V. Neu and Luana T. Thomas and Avelino F. Zorzo and Charles Morisset},
journal= {arXiv preprint arXiv:2306.00766},
year = {2023}
}