Key points are not available for this paper at this time.
데이터 프라이버시는 사물 인터넷(IoT)에서 빅 데이터 통계 분석의 널리 퍼진 상품화에 직면한 가장 중요한 문제 중 하나로 떠오르고 있습니다. 현재의 해결책으로는 데이터 가격 책정과 통계 결과의 유틸리티 보장에 대한 프라이버시 문제를 철저히 해결할 수 없습니다. 따라서 본 논문에서는 IoT 데이터를 위한 개인 통계 결과 거래 문제를 세 가지 요소를 고려하여 연구합니다. 구체적으로, 범위 카운팅 결과를 거래하기 위한 새로운 프레임워크가 제안됩니다. 이 프레임워크는 샘플링 기반 방법을 적용하여 근사 카운팅 결과를 생성하고, 이는 프라이버시 문제로 인해 추가적으로 변형된 후 공개됩니다. 이러한 결과는 이론적으로 비편향성, 제한된 분산 및 미분 프라이버시 하에서 강화된 프라이버시 보장을 달성한다는 것이 입증됩니다. 또한 거래된 결과에 대한 가격 책정 접근법이 제안되며, 이는 차익 거래 공격에 대해 면역성이 있음을 입증합니다. 이 프레임워크는 2014 CityPulse 스마트 도시 데이터셋에서 다양한 범위로 대기 오염 수준을 추정하여 평가됩니다. 분석 및 평가 결과는 우리의 프레임워크가 범위 카운팅 근사의 오류를 크게 줄인다는 것을 보여주며; 최적의 변형 접근법은 개인 카운팅이 지정된 근사 정도를 만족하면서 강력한 프라이버시 보장을 제공할 수 있도록 합니다.
Cai 외 (Mon,) 이 질문을 연구했습니다.