面向协作式农业研究的跨私人与公共数据集隐私保护数据关联
机器学习
2024-09-12 v1 密码学与安全
计算机与社会
摘要
数字农业利用技术提高作物产量、抗病能力和土壤健康，在农业研究中发挥着关键作用。然而，它引发了隐私担忧，如不利定价、价格歧视、更高的保险成本以及资源操纵，这些担忧因潜在的数据滥用而阻碍了农场经营者共享数据。本研究引入了一个隐私保护框架，在允许数字农业安全共享数据的同时应对这些风险。我们的框架在保护隐私的同时实现了全面的数据分析，使利益相关者能够利用连接公共和私人数据集的研究驱动政策。所提出的算法通过以下方式实现这一目标：(1) 基于私人数据集识别相似农户，(2) 提供时间和地点等聚合信息，(3) 确定价格和产品可用性的趋势，以及 (4) 将趋势与公共政策数据（如食品不安全统计数据）相关联。我们使用真实的农贸市场数据集验证了该框架，通过在关联的隐私保护数据上训练的机器学习模型证明了其有效性。结果支持政策制定者和研究人员解决食品不安全和定价问题。这项工作通过提供一种安全的数据集成与分析方法，为数字农业做出了重要贡献，推动了农业技术与发展。
引用
@article{arxiv.2409.06069,
title = {Privacy-Preserving Data Linkage Across Private and Public Datasets for Collaborative Agriculture Research},
author = {Osama Zafar and Rosemarie Santa Gonzalez and Gabriel Wilkins and Alfonso Morales and Erman Ayday},
journal= {arXiv preprint arXiv:2409.06069},
year = {2024}
}