The era of Big Data has brought with it a richer understanding of user behavior through massive data sets, which can help organizations optimize the quality of their services. In the context of transportation research, mobility data can provide Municipal Authorities (MA) with insights on how to operate, regulate, or improve the transportation network. Mobility data, however, may contain sensitive information about end users and trade secrets of Mobility Providers (MP). Due to this data privacy concern, MPs may be reluctant to contribute their datasets to MA. Using ideas from cryptography, we propose a distributed computation protocol between a MA and a MP in which MA obtains insights from mobility data without MP having to reveal its trade secrets or sensitive data of its users. This is accomplished in two steps: a commitment step, and a computation step. In the first step, Merkle commitments and aggregated traffic measurements are used to generate a cryptographic commitment. In the second step, MP extracts insights from the data and sends them to MA. Using the commitment and zero-knowledge proofs, MA can certify that the information received from MP is accurate, without needing to directly inspect the mobility data. The protocol is strategyproof for both MA and MP in the sense that they cannot benefit from strategic behavior. The protocol can be readily extended to the more realistic setting with multiple MPs via secure multi-party computation.


翻译:大数据时代带来了对用户行为的更深入理解,通过大规模数据集,可以帮助各组织优化其服务质量。在运输研究方面,流动数据可以向市政当局提供关于如何操作、监管或改进运输网络的见解。但流动数据可能包含关于终端用户的敏感信息以及流动提供者的贸易秘密。由于数据隐私的关注,议员可能不愿意通过大量数据集向千年生态系统评估提供自己的数据集。利用密码学的构想,我们提议在千年生态系统评估和MP之间订立一个分布式计算协议,在协议中,千年生态系统评估从流动数据中获得洞察力,而不需要让MP直接检查其贸易秘密或用户敏感数据。这是分两个步骤完成的:承诺步骤和计算步骤。第一步,默克尔承诺和综合交通测量用于生成加密承诺。第二步,议员可能不愿意从数据中提取洞察力并将其发送给千年生态系统评估。利用承诺和零知识证明,千年生态系统评估可以证明从MP获得的信息是准确的,不需要直接检查流动数据。协议可以在两个步骤中完成:一个是承诺步骤,一个是计算步骤,一个步骤是计算步骤,一个步骤是默克承诺,一个步骤是综合交通测量,一个步骤是现实的,从多种方式进行战略的,它们不会轻易地从多重计算。

0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文,扩大了运筹学和计算的范围,寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文,以及描述新的和有用的软件工具的论文。官网链接:https://pubsonline.informs.org/journal/ijoc
【图与几何深度学习】Graph and geometric deep learning,49页ppt
GSMA:人工智能赋能安全应用案例集,114页pdf
专知会员服务
67+阅读 · 2021年3月16日
专知会员服务
39+阅读 · 2020年9月6日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
人工智能 | ACCV 2020等国际会议信息5条
Call4Papers
6+阅读 · 2019年6月21日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
人工智能 | CCF推荐期刊专刊约稿信息6条
Call4Papers
5+阅读 · 2019年2月18日
人工智能 | 国际会议信息6条
Call4Papers
4+阅读 · 2019年1月4日
计算机 | CCF推荐会议信息10条
Call4Papers
5+阅读 · 2018年10月18日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年6月7日
VIP会员
相关VIP内容
相关资讯
人工智能 | ACCV 2020等国际会议信息5条
Call4Papers
6+阅读 · 2019年6月21日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
人工智能 | CCF推荐期刊专刊约稿信息6条
Call4Papers
5+阅读 · 2019年2月18日
人工智能 | 国际会议信息6条
Call4Papers
4+阅读 · 2019年1月4日
计算机 | CCF推荐会议信息10条
Call4Papers
5+阅读 · 2018年10月18日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员