The smart building privacy challenge
The smart building privacy challenge
复制标题
智能建筑隐私挑战
DOI：
10.1145/3486611.3492234
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Ortiz, Jorge
中科院分区：
文献类型：
--
作者：
Wu, Tong;Aldeer, Murtadha;Chowdhury, Tahiya;Haynes, Amber;Nikseresht, Fateme;Varnosfaderani, Mahsa Pahlavikhah;Gao, Jiechao;Heydarian, Arsalan;Campbell, Brad;Ortiz, Jorge
从智能空间收集的时间序列数据隐藏了可能引起隐私问题的用户个人信息。然而，这些数据是启用所需服务所必需的。在本文中，我们提出了一个基于生成对抗网络（GAN）的隐私保护框架，该框架支持基于传感器的应用，同时保留用户身份。在两个数据集上的实验表明，该模型在推断占用率的同时减少了对用户身份的推断，具有较高的准确性。
Time-series data gathered from smart spaces hide user's personal information that may arise privacy concerns. However, these data are needed to enable desired services. In this paper, we propose a privacy preserving framework based on Generative Adversarial Networks (GAN) that supports sensor-based applications while preserving the user identity. Experiments with two datasets show that the proposed model can reduce the inference of the user's identity while inferring the occupancy with a high level of accuracy.
海报：Maestro - 具有主动学习功能的环境传感平台，可实现智能应用
DOI：
--
发表时间：
2021
期刊：
European Conference/Workshop on Wireless Sensor Networks
影响因子：
--
作者：
Tahiya Chowdhury;Murtadha M. N. Aldeer;Shantanu Laghate;Justin Yu;Qizhen Ding;Joseph Florentine;Jorge Ortiz
通讯作者：
Jorge Ortiz