Zobrazeno 1 - 10
of 8 725
pro vyhledávání: '"Privacy measures"'
Autor:
Saka, Suleiman, Das, Sanchari
Publikováno v:
BuildSEC'24 Building a Secure & Empowered Cyberspace 2024
The widespread adoption of telehealth systems has led to a significant increase in the use of healthcare apps among older adults, but this rapid growth has also heightened concerns about the privacy of their health information. While HIPAA in the US
Externí odkaz:
http://arxiv.org/abs/2410.14607
Autor:
Arzamasov, Vadim, Böhm, Klemens
In smart grids, the use of smart meters to measure electricity consumption at a household level raises privacy concerns. To address them, researchers have designed various load hiding algorithms that manipulate the electricity consumption measured. T
Externí odkaz:
http://arxiv.org/abs/2408.06460
We introduce a family of information leakage measures called maximal $(\alpha,\beta)$-leakage (M$\alpha$beL), parameterized by real numbers $\alpha$ and $\beta$ greater than or equal to 1. The measure is formalized via an operational definition invol
Externí odkaz:
http://arxiv.org/abs/2304.07456
This paper investigates lift, the likelihood ratio between the posterior and prior belief about sensitive features in a dataset. Maximum and minimum lifts over sensitive features quantify the adversary's knowledge gain and should be bounded to protec
Externí odkaz:
http://arxiv.org/abs/2303.01017
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Cirruzzo, Chelsea
Publikováno v:
Inside CMS, 2020 Aug 01. 23(32), 21-22.
Externí odkaz:
https://www.jstor.org/stable/27064775
Kniha
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Consider a data publishing setting for a dataset composed by both private and non-private features. The publisher uses an empirical distribution, estimated from $n$ i.i.d. samples, to design a privacy mechanism which is applied to new fresh samples a
Externí odkaz:
http://arxiv.org/abs/1811.06057
Publikováno v:
Information Sciences, 473, 87-100, 2019
Widespread usage of complex interconnected social networks such as Facebook, Twitter and LinkedIn in modern internet era has also unfortunately opened the door for privacy violation of users of such networks by malicious entities. In this article we
Externí odkaz:
http://arxiv.org/abs/1809.05926