RUB » Bibliotheksportal

Alexandru Nelus

• The ubiquity of portable smart devices along with the advent of the Internet of Things have led to a wide dissemination of sensors. The presence of these sensors along with the increasingly complex machine learning algorithms that usually serve them pose an obvious risk to privacy, especially when considering the case of microphone sensors connected in an acoustic sensor network. This work highlights the privacy risks of deep-neural-network-based distributed processing in acoustic sensor network scenarios and proposes different approaches for mitigating them. These are targeted at improving the trade-off between utility and privacy directly at the feature extraction stage by employing privacy-preserving feature extraction techniques.
• Die wachsende Popularität von intelligenten mobilen Geräten hat in Verbindung mit dem Aufkommen des Internets der Dinge zu einer weiten Verbreitung von Sensoren geführt. Zusammen mit immer komplexer werdenden Algorithmen des maschinellen Lernens stellen sie ein offensichtliches Risiko für die Privatsphäre dar, insbesondere im Fall von Mikrofonsensoren, die in einem akustischen Sensornetz verbunden sind. In dieser Arbeit untersuchen wir Datenschutzrisiken der auf neuronalen Netzen basierenden verteilten Verarbeitung in akustischen Sensornetzen und schlagen verschiedene Ansätze vor, um diese zu verringern. Diese Ansätze zielen darauf ab, den Kompromiss zwischen der Nützlichkeit von Signalmerkmalen und dem mit ihnen erreichbaren Datenschutz bereits während der Merkmalsextraktion zu verbessern.