TSEditor：用于隐私保护的时间序列交互式编辑系统

文献标题

TSEditor: Interactive Time Series Editing for Privacy Preservation

出版信息

• 主题领域: 时间序列数据的隐私保护技术
• 关键词: 时间序列，隐私保护，交互式编辑，可视化分析，数据效用，时间模式，异常检测，用户研究，多变量数据，数据共享

背景与问题

• 问题/挑战: 时间序列数据集由于可识别的时间模式，存在显著的隐私风险，这可能导致重新识别或敏感信息泄露。现有的隐私保护方法要么过于僵化，要么引入过多噪声，或者缺乏用户控制和可解释性。
• 重要性: 解决时间序列数据中的隐私风险对于在保留分析效用的同时实现安全的数据共享至关重要，尤其是在医疗、能源和交通等领域。
• 动机与相关工作: 现有方法包括数值扰动、时间扰动和基于合成的方法，但它们缺乏用户的细粒度交互控制。尽管已有针对时间序列数据的可视化分析系统，但它们并未设计用于隐私风险的检测和缓解。本文通过引入一种交互式、用户驱动的方法来填补这一空白。

解决方案

• 提出的方法: TSEditor，一个通过可视化分析和直接操作工具来识别和缓解时间序列数据集中隐私风险的交互式系统。
• 创新点:
  1. 提出时间隐私风险的分类法（时间、幅值和模式）及相应的缓解策略。
  2. 提供一个包含六个协调视图的可视化分析系统，用于风险识别、编辑和评估。
  3. 开发六种交互式编辑操作（时间扰动、幅值扰动和模式替换）。
  4. 多方面评估证明其有效性、可用性和数据效用的保留。
• 流程与关键技术:
  • 识别: 使用协调视图（排名、流图、径向图和模式图）检测隐私风险。
  • 编辑: 应用交互操作（如Move-x、Move-y、Curve、Clone、Removal）缓解风险。
  • 评估: 使用可视化反馈和下游任务性能评估编辑对隐私风险和数据效用的影响。

结果

• 具体发现:
  • 对数据效用的影响最小：预测任务中1.12%的MAE和0.89%的MSE变化；分类性能无显著下降。
  • 高可用性：SUS得分为85.5，NASA-TLX工作负荷低（M = 17.97）。
  • 编辑效率高：每个任务平均2.4次操作，编辑工具被广泛采用。
• 相较基线的优势: 在保留数据效用的同时，提供用户控制和可解释性，优于自动化差分隐私方法。
• 实验/评估:
  • 两个案例研究：REFIT电力负载和Capture-24活动追踪数据集。
  • 与四位领域专家的访谈。
  • 包含12名参与者的用户研究，展示了任务完成效率和可用性。
  • 模型评估验证数据效用的保留。
• 局限性与未来工作:
  • 对多变量关系和跨变量依赖的支持有限。
  • 编辑和可视化环境分离导致工作流程中断。
  • 需要实时效用反馈和隐私感知基准。

总结

TSEditor 是一个旨在解决时间序列数据隐私风险并保留分析效用的交互式系统。它引入了时间隐私风险的分类法，并提供六个协调视图和编辑操作以实现针对性的风险缓解。通过案例研究、专家访谈和用户研究的评估，证明了其有效性、可用性以及对数据效用的最小影响。未来工作将聚焦于多变量依赖、无缝工作流程以及实时反馈，以进一步增强系统能力。