Tootfinder

Geldschein-Verfolgung: Zunehmendes Bargeld-Tracking besorgt Datenschützer
Wenn Seriennummern von Scheinen mit Zeit und Ort der Erfassung gespeichert und diese Daten verstärkt gesammelt werden, geht die Anonymität des Bargelds flöten.

darum zahl ich alles nur noch mit münzen
https://netzpolitik.org/2025/bargeld-tracking-du-hast-ueberwachungsinstrumente-im-portemonnaie/

ich bin unter meinem „Klarnamen“¹ öffentlich dagegen, daß die Union andere² verpflichten will, unter ihrem „Klarnamen“¹ zu agieren. Anonyme wie pseudonyme Kommunikation – nicht nur in privaten Chatgruppen sondern auch gegenüber einer nicht klar gestimmten „Öffentlichkeit“ – ist wichtig. Ein Namenszwang schützt überhaupt nicht gegen die ganze Scheiße, die im Netz passiert.
__
¹da geht es um das Ding, das im Perso steht
²und mich

Insider: Großer russischer Vergeltungsschlag steht noch aus
Insidern zufolge ist Putins angedrohter Vergeltungsschlag gegen die Ukraine noch nicht wirklich erfolgt. Der Zeitpunkt der vollständigen russischen Reaktion sei unklar, werde aber innerhalb weniger Tage erwartet, sagte ein US-Regierungsmitarbeiter, der anonym bleiben wollte, gegenüber der Nachrichtenagentur Reuters. Der Angriff werde wahrscheinlich verschiedene Arten…
📑

Ukraine-Liveblog: ++ Selenskyj: Putin will totale Niederlage der Ukraine ++
Kremlchef Putin ist nach Meinung des ukrainischen Präsidenten Selenskyj nicht an einem Waffenstillstand interessiert. Bei russischen Angriffen wurde nach ukrainischen Angaben in der Region Dnipropetrowsk mindestens ein Mensch getötet. Der Liveblog vom Sonntag zum Nachlesen.

facebook_friends: Maier Facebook friends (2014)
A small anonymized Facebook ego network, from April 2014. Nodes are Facebook profiles, and an edge exists if the two profiles are "friends" on Facebook. Metadata gives the social context for the relationship between ego and alter.
This network has 362 nodes and 1988 edges.
Tags: Social, Online, Unweighted, Metadata

Network Hexagons Under Attack: Secure Crowdsourcing of Geo-Referenced Data
Okemawo Obadofin, Joao Barros
https://arxiv.org/abs/2506.05601 https://

Network Hexagons Under Attack: Secure Crowdsourcing of Geo-Referenced Data
A critical requirement for modern-day Intelligent Transportation Systems (ITS) is the ability to collect geo-referenced data from connected vehicles and mobile devices in a safe, secure and anonymous way. The Nexagon protocol, which builds on the IETF Locator/ID Separation Protocol (LISP) and the Hierarchical Hexagonal Clustering (H3) geo-spatial indexing system, offers a promising framework for dynamic, privacy-preserving data aggregation. Seeking to address the critical security and privacy v…

Best-of-N through the Smoothing Lens: KL Divergence and Regret Analysis
Gholamali Aminian, Idan Shenfeld, Amir R. Asadi, Ahmad Beirami, Youssef Mroueh
https://arxiv.org/abs/2507.05913

Best-of-N through the Smoothing Lens: KL Divergence and Regret Analysis
A simple yet effective method for inference-time alignment of generative models is Best-of-$N$ (BoN), where $N$ outcomes are sampled from a reference policy, evaluated using a proxy reward model, and the highest-scoring one is selected. While prior work argues that BoN is almost optimal in reward vs KL tradeoffs, the effectiveness of BoN depends critically on the quality of the proxy reward model used for selection. For this purpose, we study BoN through a smooth version known as Soft Best-of-N…

Breaking Anonymity at Scale: Re-identifying the Trajectories of 100K Real Users in Japan
Abhishek Kumar Mishra, Mathieu Cunche, Heber H. Arcolezi
https://arxiv.org/abs/2506.05611 …

Breaking Anonymity at Scale: Re-identifying the Trajectories of 100K Real Users in Japan
Mobility traces represent a critical class of personal data, often subjected to privacy-preserving transformations before public release. In this study, we analyze the anonymized Yjmob100k dataset, which captures the trajectories of 100,000 users in Japan, and demonstrate how existing anonymization techniques fail to protect their sensitive attributes. We leverage population density patterns, structural correlations, and temporal activity profiles to re-identify the dataset's real-world locatio…

Human-Centered Interactive Anonymization for Privacy-Preserving Machine Learning: A Case for Human-Guided k-Anonymity
Sri Harsha Gajavalli
https://arxiv.org/abs/2507.04104

Human-Centered Interactive Anonymization for Privacy-Preserving Machine Learning: A Case for Human-Guided k-Anonymity
Privacy-preserving machine learning (ML) seeks to balance data utility and privacy, especially as regulations like the GDPR mandate the anonymization of personal data for ML applications. Conventional anonymization approaches often reduce data utility due to indiscriminate generalization or suppression of data attributes. In this study, we propose an interactive approach that incorporates human input into the k-anonymization process, enabling domain experts to guide attribute preservation based…

The Impact of Event Data Partitioning on Privacy-aware Process Discovery
Jungeun Lim, Stephan A. Fahrenkrog-Petersen, Xixi Lu, Jan Mendling, Minseok Song
https://arxiv.org/abs/2507.06008

The Impact of Event Data Partitioning on Privacy-aware Process Discovery
Information systems support the execution of business processes. The event logs of these executions generally contain sensitive information about customers, patients, and employees. The corresponding privacy challenges can be addressed by anonymizing the event logs while still retaining utility for process discovery. However, trading off utility and privacy is difficult: the higher the complexity of event log, the higher the loss of utility by anonymization. In this work, we propose a pipeline …