基于层次信息分离的活动感知数据隐私保护
密码学与安全
2024-09-09 v1 人工智能
机器学习
摘要
智能手机和可穿戴设备已融入我们的日常生活，提供个性化服务。然而，许多应用会获取不必要的敏感信息。例如，移动感知数据可能揭示私有属性（如性别和年龄）以及意外的敏感特征（如输入密码时的手势）。为了防止敏感信息泄露，现有方法必须获取私有标签，用户还需指定隐私政策。然而，这些方法仅实现有限的控制。本文提出 Hippo，通过层次化信息分离来处理包括私有元数据和多粒度活动信息的感知数据。Hippo 在无需私有标签的情况下实现对敏感信息披露的细粒度控制。具体而言，我们设计了一种基于潜在引导的扩散模型，生成以层次化潜在活动特征为条件的多粒度原始传感器数据版本。Hippo 使用户能够控制感知数据中敏感信息的披露，确保隐私的同时保留满足应用程序实用性要求的必要特征。Hippo 是首个实现两个目标的统一模型：扰动敏感属性并控制移动感知数据中敏感信息披露。大量实验表明，Hippo 能够在不同类型的感知数据上对个人属性进行匿名化，并在各种分辨率下转换活动信息。
引用
@article{arxiv.2409.03796,
title = {Protecting Activity Sensing Data Privacy Using Hierarchical Information Dissociation},
author = {Guangjing Wang and Hanqing Guo and Yuanda Wang and Bocheng Chen and Ce Zhou and Qiben Yan},
journal= {arXiv preprint arXiv:2409.03796},
year = {2024}
}