智能环境中隐私保护的人体活动预测器学习
机器学习
2021-01-19 v1 网络与互联网体系结构
摘要
智能环境可监测残障或老年人群体的日常活动，所获取的数据可用于学习用户行为的预测模型。为加速学习，若干研究者设计了利用多用户数据的协作学习系统。然而，披露老年或残障用户的日常活动会引发隐私担忧。本文采用最先进的基于深度神经网络的技术，在本地、集中式和联邦学习设置下学习人体活动预测模型。我们工作的一个新方面是细致追踪学习者可用数据及用户共享数据的时间演化。与以往用户向集中式学习者共享全部数据的工作不同，我们考虑旨在保护隐私的用户。因此，他们在不同方法间做出选择，以在最小化共享数据的同时实现预测精度目标。为帮助用户在披露任何数据前做出决策，我们利用机器学习预测用户从协作学习中获益的程度。我们在真实世界数据上验证了所提方法。
引用
@article{arxiv.2101.06564,
title = {Privacy-Preserving Learning of Human Activity Predictors in Smart Environments},
author = {Sharare Zehtabian and Siavash Khodadadeh and Ladislau Bölöni and Damla Turgut},
journal= {arXiv preprint arXiv:2101.06564},
year = {2021}
}