Privacy-Preserving Photo Sharing on Online Social Networks: A Review
Notice bibliographique
Résumé
Online social networking applications and their services have become an essential part of the human lifestyle.These social services help online users in different ways, such as through social visibility, content sharing, communication, promotions, etc.In the same way, the services of online social networks (OSNs) pose privacy risks for their users.The service of photo sharing in OSNs, in particular, causes leakage of online social users' personal information.It's critical to comprehend previous studies that looked at privacypreserving photo sharing and whether users have their privacy protected when sharing photos.The goal of this review is to bridge the gap between the growing demand for image sharing via OSNs and individualized privacy requirements.This effort presents a comprehensive analysis of "privacy-preserving" technologies that specifically address contemporary privacy concerns associated with sharing images on online social networks (OSNs).This study presents a comprehensive analysis framework that focuses on the complete lifecycle of image sharing on online social networks (OSNs).This work presented a review framework called Privacy-Preserving Photo Sharing (PPPS) by categorizing previous works into three stages related to online secure photo sharing.Preprocessing, privacy settings, and photo publishing are the stages used in this survey's design to secure photo sharing.This framework aims to tackle the many privacy challenges and propose appropriate solutions in this multidisciplinary domain.During each phase, we analyse common user behaviours connected to sharing, the privacy concerns that arise from those behaviours, and evaluate representative solutions that are proposed by previous works.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».