面向目的驱动数据-信息-知识-智慧架构的群差分隐私
人工智能
2021-07-01 v3 神经与进化计算
摘要
隐私保护近来成为学术界与工业界共同关注的焦点。社会通过复杂的法律框架保护个体数据隐私。数据科学与人工智能应用的增多导致对数据普适化应用的需求上升。作为下一代信息组织的广义数据-信息-知识-智慧（DIKW）图谱的隐私保护则居于次要地位。本文通过流行的群智能与差分隐私的应用探讨 DIKW 架构。鉴于差分隐私已被证明是一种有效的数据隐私方法，我们将从 DIKW 领域视角审视它。群智能可有效优化并减少 DIKW 中用于差分隐私的项数，从而加速差分隐私在跨概念 DIKW 多模态下的有效性与效率。所提方法通过基于开源 IRIS 数据集的个性化数据应用得以展示。该实验证明了群智能在降低计算复杂度方面的效率。
关键词
引用
@article{arxiv.2105.04045,
title = {Swarm Differential Privacy for Purpose Driven Data-Information-Knowledge-Wisdom Architecture},
author = {Yingbo Li and Yucong Duan and Zakaria Maama and Haoyang Che and Anamaria-Beatrice Spulber and Stelios Fuentes},
journal= {arXiv preprint arXiv:2105.04045},
year = {2021}
}