隐私与效用兼顾的传感器数据变换

当来自可穿戴或便携设备的原始传感器数据与云辅助应用共享时，敏感推断与用户再识别是对隐私的主要威胁。为缓解这些威胁，我们提出在将传感器数据与应用共享之前，先对用户设备上运行的应用进行数据变换的机制。这些变换旨在消除可用于用户再识别或推断潜在敏感活动的模式，同时为目标应用（或任务）带来微小的效用损失。我们表明，在手势与活动识别任务上，我们可以阻止对潜在敏感活动的推断，同时将非敏感活动识别准确率的下降保持在不到 5 个百分点。我们还表明，我们可以将用户再识别以及潜在性别推断的准确率降低到随机猜测的水平，同时保持活动识别的准确率与在原始数据上获得的准确率相当。