Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 17.08.2026 auf Schreibwaren & Office-Artikel online auf thalia.at, in der Thalia App und in teilnehmenden Thalia Buchhandlungen in Österreich mit Schulsortiment. In den Buchhandlungen nur gültig auf lagernde Ware. Einzelne Artikel können ausgeschlossen sein. Ausgenommen sind preisgebundene Artikel. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Geschenkkarten, Versandkosten und Services.
Produktbild: Perturbation Based Privacy in Crowdsensing
- 10%

Perturbation Based Privacy in Crowdsensing

Aus der Reihe Wireless Networks
10% sparen

176,99 € UVP 197,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

22.07.2025

Abbildungen

XI, 44 illus., 43 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen

Verlag

Springer

Seitenzahl

179

Maße (L/B/H)

24,1/16/1,7 cm

Gewicht

457 g

Sprache

Englisch

ISBN

978-3-031-95051-3

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

22.07.2025

Abbildungen

XI, 44 illus., 43 illus. in color., farbige Illustrationen, schwarz-weiss Illustrationen

Verlag

Springer

Seitenzahl

179

Maße (L/B/H)

24,1/16/1,7 cm

Gewicht

457 g

Sprache

Englisch

ISBN

978-3-031-95051-3

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: GPSR Kontakt

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Perturbation Based Privacy in Crowdsensing

  • Chapter 1.- 1.1 An Overview of Crowdsensing.- 1.1.1 Evolutionary Path of Crowdsensing.- 1.1.2 Architecture and Characteristics of Crowdsensing.- 1.1.3 Applications of Crowdsensing.- 1.2 Privacy Challenges in Crowdsensing.- 1.2.1 Privacy Leakage.- 1.2.2 Data Privacy vs. Data Utility.- 1.2.3 Data Privacy vs. Data Poisoning.- 1.3 Aim and Organization of Monograph.- Chapter 2 Perturbation-based Privacy Preservation.- 2.1 Classical Privacy Notions.- 2.1.1 Differentially Privacy.- 2.1.2 Identifiability.- 2.1.3 Mutual-Information Privacy.- 2.2 Relations between Privacy Notions.- 2.2.1 Differentially Privacy vs. Identifiability.- 2.2.2 Differentially Privacy vs. Mutual-Information Privacy.- 2.2.3 Identifiability vs. Mutual-Information Privacy.- 2.3 Summary.- Chapter 3 Semantic-Aware Trajectory Privacy Preservation in Crowdsensing.- 3.1 Problem Statement and Basic Concepts.- 3.1.1 Problem Statement.- 3.1.2 Basic Concepts.- 3.2 Privacy and Utility Metrics.- 3.2.1 Data Privacy Metric.- 3.2.2 Semantic Privacy Metric.- 3.2.3 Semantic-Aware Trajectory Utility Metric.- 3.3 Semantic-Aware Privacy Mapping Mechanism.- 3.3.1 Constructing Optimization Model.- 3.3.2 Solving Optimization Model.- 3.3.3 Computational Complexity.- 3.4 Privacy Analysis.- 3.5 Performance Evaluation.- 3.5.1 Simulation Settings.- 3.5.2 Simulation Results.- 3.6 Summary and Further Reading.- Chapter 4 Pricing-Aware Location Privacy Preservation in Crowdsensing.- 4.1 Problem Statement and Basic Concepts.- 4.1.1 Problem Statement.- 4.1.2 Basic Concepts.- 4.2 Utility Loss Metrics 4 4.2.1 Adaptive Supply and Demand Aware Grid.- 4.2.2 Dynamic Pricing Utility Metric.- 4.2.3 Ride-Matching Utility Metric.- 4.3 Pricing-Aware Privacy Mapping Mechanism.- 4.3.1 Constructing Optimization Model.- 4.3.2 Solving Optimization Model.- 4.3.3 Computational Complexity.- 4.4 Privacy Analysis.- 4.5 Performance Evaluation.- 4.5.1 Simulation Settings.- 4.5.2 Simulation Results.- 4.6 Summary and Further Reading.- Chapter 5 Data Poisoning Attacks and Defenses to LDP-based Crowdsensing.- 5.1 Problem Statement and Basic Concepts.- 5.1.1 Problem Statement.- 5.1.2 Basic Concepts.- 5.2 Data Poisoning Attacks Hidden behind the LDP Noise.- 5.2.1 LDP-based Privacy-Preserving Truth Discovery Methods.- 5.2.2 Formulating Optimal Data Poisoning Attacks.- 5.2.3 Finding Optimal Data Poisoning Attacks.- 5.3 Countermeasures: Designing Optimal Defenses.- 5.3.1 Formulating Optimal Countermeasures.- 5.3.2 Finding Optimal Countermeasures.- 5.4 Computational Complexity and Limitations of Attacks and Defenses.- 5.4.1 Computational Complexity of Attacks and Defenses.- 5.4.2 Limitations of Attacks and Defenses.- 5.5 Performance Evaluation.- 5.5.1 Simulation Settings.- 5.5.2 Simulation Results.- 5.6 Summary and Further Reading.- Chapter 6 Data Poisoning Attacks and Defenses to CDP-based Crowdsensing.- 6.1 Problem Statement and Basic Concepts.- 6.1.1 Problem Statement.- 6.1.2 Basic Concepts.- 6.2 Formulating Game Model between Attacks and Defenses.- 6.2.1 Zero-Sum Stackelberg Game.- 6.2.2 Unveiling the Normal Behavior of Workers.- 6.3 Finding Optimal Data Poisoning Attacks and Defenses.- 6.3.1 Defense Strategy for Defenders.- 6.3.2 Attack Strategy for Attackers.- 6.3.3 Local Minimax Point of Defenders-Attackers Interaction.- 6.4 Computational Complexity and Limitations of Attacks and Defenses.- 6.4.1 Computational Complexity of Attacks and defenses.- 6.4.2 Limitations of Attacks and Defenses 5 6.5 Performance Evaluation.- 6.5.1 Simulation Settings.- 6.5.2 Simulation Results.- 6.6 Summary and Further Reading.- Chapter 7 Conclusion and Future Works.- 7.1 Conclusion.- 7.2 Future Works.