面向时序 IoT 传感器的隐私保护数据质量评估

来自 Internet of Things (IoT) 传感器的数据已成为 various 领域 decision-making processes 中的关键要素。然而，数据质量对基于数据的 application 效果至关重要，数据质量评估在很大程度上取决于具体情境。此外，在 sensitive data 较多的领域，在进行数据质量评估时保持数据隐私是至关重要的。本文提出了一种用于智能城市部署的 IoT 传感器时序数据自动化、客观且隐私保护的数据质量评估框架。我们利用 custom、autonomously 可计算的 metric 来参数化时序性能和遵循声明性 schema 文档的程度，以实现客观性。此外，我们利用 trusted execution environment 来创建一种“数据盲” model，以确保 individual 隐私、消除 assessee bias，并提高适用于不同 data types 的适应性。本文描述了此 IoT 传感器数据质量评估方法论，强调其在 smart-city 上下文中的相关性，并针对日益增长的数据收集实践中的隐私需求。