随着网络测量研究的网络痕迹的利用变得越来越普遍,因此对网络痕迹泄漏的担忧引起了公众的注意。为保护网络痕迹,研究人员提出了痕量合成,该痕量保留了原始数据的基本属性。但是,以前的作品还表明,在链接攻击下,具有生成模型的合成痕迹很容易受到攻击。本文介绍了N et dps YN,这是第一个在隐私保证下综合高保真网络痕迹的系统。n et -dps yn是用差分隐私(DP)框架作为其核心构建的,它与训练生成模型时应用DP的先前工作大不相同。在三个流量和两个数据包数据集上进行的实验表明,n et dps yn在诸如异常检测之类的下游任务中实现了更好的数据实用性。n et dps yn的速度也比数据合成中的其他方法快2.5倍。
2022 年 7 月 20 日 — 不要让工具绊倒您!保持您的维护区域清洁!戴上戒指、手表和 AD TIGS……否则有失去身体某部分的风险。预防。
1 阿尔茨海默氏症协会 - 芝加哥(美国)、2 内华达大学拉斯维加斯分校 - 拉斯维加斯(美国)、3 加利福尼亚大学圣地亚哥分校 - 圣地亚哥(美国)、4 匹兹堡退伍军人医疗保健系统 - 匹兹堡(美国)、5 加利福尼亚大学伯克利分校 - 伯克利(美国)、6 圣路易斯华盛顿大学医学院 - 圣路易斯(美国)、7 伦敦大学学院 - 伦敦(英国)、8 阿姆斯特丹大学医学中心 - 阿姆斯特丹(荷兰)、9 隆德大学 - 隆德(瑞典)、10 麻省总医院 - 波士顿(美国)、11 印第安纳大学医学院 - 印第安纳波利斯(美国)、12 耶鲁大学医学院 - 纽黑文(美国)、13 加利福尼亚大学旧金山分校 - 旧金山(美国)、14 匹兹堡大学医学院 - 匹兹堡(美国)