paper

摘要 蜂窝电话供应商和数据聚合公司从用户设备中收集蜂窝信号强度测量数据，生成信号地图，用于改善网络性能。我们认识到，这种数据收集可能与人们日益增长的隐私意识相冲突，因此我们考虑在数据离开移动设备之前对

摘要 在本文中，我们研究了具有差异隐私（DP）的图神经网络（GNN）学习问题。我们提出了一种基于聚合扰动（GAP）的新型差异化隐私图神经网络，它在图神经网络的聚合函数中加入随机噪音，从统计学角度掩盖单

摘要 在这篇论文中，我们考虑了一种新颖的M元顺序假设检验问题，其中存在一个对手，在决策者观察样本之前扰动样本的分布。这个问题被构建成一个顺序对抗假设检验博弈，由决策者和对手之间进行。这个博弈是一个零和

INTRODUCTION 在大数据时代，连续数据，即按时间顺序排列的值序列（又称时间序列），在现实世界中有许多应用。其中，许多时间序列是从个人收集的，例如远程护理中的生物传感器、智能家居中的物联网传感

摘要 我们开发了一个拍卖框架，用于移动群智感知中保护隐私的数据聚合，其中该平台充当拍卖师的角色，招募工作人员来执行感知任务。为了保护隐私，工作人员可以报告其数据的嘈杂版本；平台会根据感知能力来选择工作

摘要 在移动群智感知 (MCS) 中获取用户的空间分布给用户带来许多好处（例如，在 COVID-19 大流行期间避开拥挤的区域）。尽管用户位置隐私的泄露问题受到了很多研究关注，但现有的工作仍然忽视了用

摘要 基于位置的服务推荐通常需要收集和分析用户使用智能手机或可穿戴设备产生的轨迹的位置信息。很容易造成位置隐私泄露。目前的位置隐私保护方法通常通过在真实轨迹中添加虚假位置来迷惑对手，以达到隐私保护的目

摘要 网络威胁是现代技术世界中一个永久的问题。近年来，复杂的流量分析技术和异常检测（AD）算法被用来应对越来越多的颠覆性对抗攻击。恶意入侵被定义为旨在非法利用私有资源的侵入行为，通过异常数据流量和/或

摘要 物联网 (IoT) 设备因其提供的许多新服务和应用程序而变得越来越流行。然而，除了它们的许多好处之外，它们还引发了隐私问题，因为它们与不受信任的第三方共享细粒度的时间序列用户数据。在这项工作中，

摘要 范围聚合是空间数据应用中的一个基本操作，在数据联邦上支持这种操作的需求越来越大，因为整个空间数据是由多个数据提供者（又称数据孤岛）分别持有。数据联邦明显增加了数据密集型应用的可用数据量，如智能交

摘要 由于缺乏CAN帧的加密和认证，CAN总线容易受到各种攻击，一般来说，这些攻击可以分为消息注入、暂停和伪造。现有的CAN总线异常检测机制要么只能检测到其中的一种或两种攻击，要么在预测过程中需要大量

摘要 我们首先讨论了创建一个易于使用的FGL包的挑战，并相应提出了我们实现的包FederatedScope-GNN (FS-G)，它提供了(1)模块化和表达FGL算法的统一视图;(2)全面的DataZ

Introduction 我们提出了一种二维 (2D) 分类法，从两个角度对 FedGNNs 的现有工作进行分类：1) 主要分类法——FL 和 GNNs 如何集成在一起； 2) 辅助分类法——FedG

Short-Term Traffic Flow Prediction Based on Graph Convolutional Networks and Federated Learning 2023

摘要 从传感器、可穿戴设备和物联网设备网络中产生的大量数据突出表明，由于需要边缘计算和许可（数据访问）问题，需要利用分散数据的时空结构的先进建模技术。虽然联合学习（FL）已经成为一个不需要直接数据共享

隐私保护是联邦学习最重要的作用之一，特写此篇总结一下最近所看联邦学习论文里所使用的隐私保护方法和技术

摘要 空间众包（SC）在今天的网络世界中无处不在。随着我们从众包应用（如维基百科）过渡到SC应用（如Uber），有大量的先例表明SC系统不仅有责任进行有效的任务分配，也有责任保护隐私。为了解决这些经常

预测区域救护车需求在动态车队分配和重新部署中起着重要作用。这个问题越来越重要，因为几乎每个国家都在经历人口老龄化，普遍具有更高的脆弱性和对紧急医疗服务(EMS)的需求。尽管探索了EMS历史记录中的空间

1 摘要 基于学习的订单调度在网约车领域取得了巨大成功。然而，这种成功仅限于个别网约车平台，因为跨平台共享原始订单调度数据可能会泄露用户隐私和商业秘密。这种数据隔离不仅损害了用户体验，也降低了平台的潜