移动传感器数据匿名化
机器学习
2019-02-20 v3 机器学习
摘要
加速度计与陀螺仪等运动传感器在三维空间中测量设备的瞬时加速度与旋转。嵌入便携与可穿戴设备中的运动传感器原始数据流可能在用户不知情的情况下泄露其隐私信息。例如，运动数据可能暴露用户的体重或性别，或实现其重新识别。为解决此问题，我们提出一种设备端传感器数据变换方法，用于为特定应用（如监测选定日常活动）共享数据，同时不泄露可启用用户识别的信息。我们使用信息论方法表述匿名化问题，并提出一种用于训练深度自编码器的多目标损失函数。该损失函数有助于最小化用户身份信息与数据失真，以保留特定应用的效用。训练过程约束编码器忽略用户可识别模式，并调节解码器使输出独立于训练集中的用户。训练好的自编码器可部署于移动或可穿戴设备，即便对于未包含在训练数据集中的用户也能匿名化传感器数据。由所提匿名化自编码器转换的 24 名用户数据在效用与隐私间取得了良好权衡，活动识别准确率高于 92%，用户识别准确率低于 7%。
引用
@article{arxiv.1810.11546,
title = {Mobile Sensor Data Anonymization},
author = {Mohammad Malekzadeh and Richard G. Clegg and Andrea Cavallaro and Hamed Haddadi},
journal= {arXiv preprint arXiv:1810.11546},
year = {2019}
}
备注
10 pages