Griffith, D.A. , 2018. Ketidakpastian dan konteks dalam geografi dan ilmu pengetahuan alam: refleksi tentang autokorelasi spasial, pengambilan sampel spasial, dan data kesehatan. Annals of the American Association of Geographers, 108 (6), 1499-1505.
Guha, S., dkk., 2012. Koi: Platform privasi lokasi untuk aplikasi ponsel pintar. In: NSDI. vol. 12, 14.
Harmanci, A. dan Gerstein, M. , 2016. Kuantifikasi kebocoran informasi pribadi dari data fenotipe-genotipe: menghubungkan serangan. Nature Methods, 13 (3), 251-256.
Hasan, R., dkk., 2020. Secara otomatis mendeteksi pengamat dalam foto untuk mengurangi risiko privasi. Dalam
Simposium IEEE 2020 tentang Keamanan dan Privasi (SP). IEEE, 318-335.
Hojati, M. , dkk. , 2021. Geoprivasi terdesentralisasi: meningkatkan kepercayaan sosial di web terdistribusi. Jurnal Internasional Ilmu Informasi Geografis, 35 (12), 2540-2566.
Janowicz, K., dkk., 2019. Menggunakan tanda tangan semantik untuk penginderaan sosial di lingkungan perkotaan.
Dalam: Pola Mobilitas, Data Besar dan Analisis Transportasi. Elsevier, 31-54.
Jiang, H. , dkk. , 2021. Mekanisme menjaga privasi lokasi dalam layanan berbasis lokasi: Sebuah survei komprehensif. ACM Computing Surveys, 54 (1), 1-36.
Jiang, J., dkk., 2019. Sebuah survei tentang perlindungan privasi lokasi dalam jaringan sensor nirkabel. Jurnal Aplikasi Jaringan dan Komputer, 125, 93-114.
Jobin, A. , Ienca, M. , dan Vayena, E. , 2019. Lanskap global pedoman etika AI. Nature Machine Intelligence, 1 (9), 389-399.
Kamel Boulos, MN , Peng, G. , dan VoPham, T. , 2019. Tinjauan umum tentang aplikasi geoai dalam kesehatan dan perawatan kesehatan. Jurnal Internasional Geografi Kesehatan, 18, 1-9.
Keßler, C. dan McKenzie, G. , 2018. Manifesto geoprivasi. Transaksi dalam SIG, 22 (1), 3-19. Kim, J.W. , dkk. , 2021. Sebuah survei tentang teknik berbasis privasi diferensial dan penerapannya pada layanan berbasis lokasi. Komputer & Keamanan, 111, 102464.
Kounadi, O. dan Leitner, M. , 2014. Mengapa geoprivasi penting? publikasi ilmiah dari data rahasia yang disajikan di peta. Jurnal Penelitian Empiris tentang Etika Penelitian Manusia, 9 (4), 34-45.
Kounadi, O. dan Leitner, M. , 2016. Penghapusan kawasan adaptif (adaptive areal elimination/ae):
Cara transparan untuk mengungkapkan set data spasial yang dilindungi. Komputer, Lingkungan dan Sistem Perkotaan, 57, 59-67. Kounadi, O., dkk. , 2020. Tinjauan sistematis tentang peramalan kejahatan spasial. Crime Science, 9 (1), 1-22.
Kumar, D. dan Jakhar, S.D. , 2022. Kecerdasan buatan dalam pengawasan dan konservasi hewan.
Dampak Kecerdasan Buatan pada Transformasi Organisasi, 73-85.
Liu, B. , dkk. , 2018. Privasi lokasi dan penerapannya: Sebuah studi sistematis. IEEE Access, 6, 17606-17624.
Liu, Y., dkk., 2017. Pemodelan permintaan tempat tujuan dengan pola mobilitas manusia. In:
Prosiding Konferensi Internasional ACM SIGKDD ke-23 tentang Penemuan Pengetahuan dan Penambangan Data . 947-955.
Mayson, S.G. , 2019. Bias masuk, bias keluar. The Yale Law Journal, 128 (8), 2218-2300.
McKenzie, G. , Janowicz, K. , dan Seidl, D. , 2016. Geo-privasi di luar koordinat. Dalam: Data Geospasial di Dunia yang Berubah: Makalah Terpilih dari Konferensi AGILE ke-19 tentang Ilmu Informasi Geografis . Springer, 157-175.
McKenzie, G. dan Mwenda, K. , 2021. Mengidentifikasi variasi regional dalam perilaku kunjungan tempat selama pandemi global. Jurnal Ilmu Informasi Spasial, 1 (23), 95-124.
McKenzie, G., dkk., 2022. Privyto: Platform berbagi lokasi yang menjaga privasi.
Transaksi dalam GIS.
Mittelstadt, B. , 2019. Prinsip-prinsip saja tidak dapat menjamin etika ai. Nature Machine Intelligence, 1 (11), 501-507.
Mökander, J. dan Floridi, L. , 2021. Audit berbasis etika untuk mengembangkan ai yang dapat dipercaya. Minds and Machines, 31 (2), 323-327.
Munir, K. , dkk. , 2019. Diagnosis kanker menggunakan deep learning: tinjauan pustaka. Kanker, 11 (9), 1235.
Munjal, K. dan Bhatia, R. , 2022. Tinjauan sistematis enkripsi homomorfik dan kontribusinya dalam industri kesehatan. Sistem Kompleks & Cerdas, 1-28.
Naik, N. , dkk. , 2022. Pertimbangan hukum dan etika dalam kecerdasan buatan dalam perawatan kesehatan: siapa yang bertanggung jawab? Frontiers in Surgery, 266.
Dalam
Simposium IEEE 2008 tentang Keamanan dan Privasi (sp 2008). IEEE, 111-125.
Naylor, C.D. , 2018. Tentang prospek sistem perawatan kesehatan pembelajaran (mendalam). JAMA, 320 (11), 1099-1100.
Nelson, T. , Goodchild, M. , dan Wright, D. , 2022. Mempercepat etika, empati, dan kesetaraan dalam ilmu informasi geografis. Prosiding Akademi Ilmu Pengetahuan Nasional, 119 (19), e2119967119.
Nikolenko, S.I. , 2021. Data Sintetis untuk Pembelajaran Mendalam. vol. 174. Springer.
Olteanu, A.M., dkk., 2016. Mengukur risiko privasi yang saling bergantung dengan data lokasi. IEEE Transactions on Mobile Computing, 16 (3), 829-842.
Pan, X., dkk., 2020. Risiko privasi dari model bahasa tujuan umum. Dalam: Simposium IEEE 2020 tentang Keamanan dan Privasi (SP) . IEEE, 1314-1331.
Pedersen, D.M. , 1979. Dimensi privasi. Keterampilan Perseptual dan Motorik, 48 (3_suppl), 1291- 1297.
Pensa, R.G. , Di Blasi, G. , dan Bioglio, L. , 2019. Estimasi risiko privasi yang sadar jaringan di jejaring sosial online. Analisis dan Penambangan Jaringan Sosial, 9, 1-15.
Rao, J., dkk., 2020. LSTM-TrajGAN: Pendekatan Pembelajaran Mendalam untuk Perlindungan Privasi Lintasan. Dalam: K. Janowicz dan JA Verstegen, eds. Konferensi Internasional ke-11 tentang Ilmu Informasi Geografis (GIScience 2021) - Bagian I, Dagstuhl, Jerman. Schloss Dagstuhl-Leibniz-Zentrum für Informatik, Leibniz International Proceedings in Informatics (LIPIcs), vol. 177, 12:1-12:17. Tersedia dari:
https://drops.dagstuhl.de/opus/volltexte/2020/13047.
Rao, J., dkk., 2021. Kerangka kerja yang menjaga privasi untuk rekomendasi lokasi menggunakan pembelajaran mesin kolaboratif terdesentralisasi. Transaksi dalam SIG, 25 (3), 1153-1175.
Ribeiro-Navarrete, S. , Saura, JR , dan Palacios-Marqués, D. , 2021. Menuju era baru pengumpulan data massal: Menilai teknologi pengawasan pandemi untuk menjaga privasi pengguna. Peramalan Teknologi dan Perubahan Sosial, 167, 120681.
Richardson, D.B., dkk. , 2015. Replikasi penelitian ilmiah: mengatasi tantangan geoprivasi, kerahasiaan, dan berbagi data dalam penelitian geospasial. Annals of GIS, 21 (2), 101-110.
Riederer, C., dkk. , 2016. Menghubungkan pengguna di seluruh domain dengan data lokasi: Teori dan validasi. In: Prosiding Konferensi Internasional ke-25 tentang World Wide Web . 707-719. Seidl, D.E. , Jankowski, P. , dan Tsou, M.H. , 2016. Privasi dan pelestarian pola spasial dalam data lintasan gps yang disamarkan. Jurnal Internasional Sains Informasi Geografis, 30 (4), 785-800.
Stahl, B.C. dan Wright, D. , 2018. Etika dan privasi dalam AI dan data besar: Menerapkan penelitian dan inovasi yang bertanggung jawab. IEEE Security & Privacy, 16 (3), 26-33.
Stevens, R. , dkk. , 2012. Menyelidiki privasi pengguna dalam pustaka iklan android. In: Lokakarya Teknologi Keamanan Seluler (MoST). vol. 10, 195-197.
Sun, G., dkk., 2019. Pelestarian privasi lokasi untuk pengguna seluler dalam layanan berbasis lokasi.
IEEE Access, 7, 87425-87438.
Swanlund, D. , Schuurman, N. , dan Brussoni, M. , 2020. Maskmy. xyz: Alat yang mudah digunakan untuk melindungi geoprivasi menggunakan topeng geografis. Transaksi dalam SIG, 24 (2), 390-401.
Sweeney, L. , 2002. k-anonimitas: Sebuah model untuk melindungi privasi. Jurnal Internasional Ketidakpastian, Ketidakjelasan dan Sistem Berbasis Pengetahuan, 10 (05), 557-570.
Thompson, S.A. dan Warzel, C. , 2019. Dua belas juta ponsel, satu set data, tanpa privasi. Dalam:
Etika Data dan Analisis. Publikasi Auerbach, 161-169.
Tobler, W.R. , 1970. Film komputer yang mensimulasikan pertumbuhan kota di wilayah Detroit.
Economic Geography, 46 (sup1), 234-240.
Vaishya, R., dkk., 2020. Aplikasi kecerdasan buatan (ai) untuk pandemi covid-19. Diabetes & Sindrom Metabolik: Penelitian & Ulasan Klinis, 14 (4), 337-339.
Verhelst, H.M. , Stannat, A. , dan Mecacci, G. , 2020. Pembelajaran mesin melawan terorisme:
bagaimana pengumpulan dan analisis data besar memengaruhi dilema privasi-keamanan. Etika Sains dan Rekayasa, 26, 2975-2984.
VoPham, T., dkk., 2018. Tren yang muncul dalam kecerdasan buatan geospasial (geoai): aplikasi potensial untuk epidemiologi lingkungan. Kesehatan Lingkungan, 17 (1), 1-6.
Wang, Q., dkk., 2019. Belajar dari data sintetis untuk penghitungan kerumunan di alam liar. Dalam:
Prosiding Konferensi IEEE / CVF tentang Visi Komputer dan Pengenalan Pola .
Wang, R., dkk., 2016. Serangan de-anonimisasi pada data lokasi geografis dengan
mempertimbangkan pengaruh spasial dan temporal. Dalam: Keamanan Informasi dan Komunikasi:
Konferensi Internasional ke-17, ICICS 2015, Beijing, Tiongkok, 9-11 Desember 2015, Revisi Makalah Terpilih 17.
Springer, 478-484.
Zhang, H., dkk. , 2010. Masalah privasi dan sikap pengguna terhadap iklan bertarget: Sebuah studi kelompok fokus. Dalam: Prosiding Pertemuan Tahunan Masyarakat Faktor Manusia dan Ergonomi.
SAGE Publications Sage CA: Los Angeles, CA, vol. 54, 1416-1420.
Zhang, H. dan McKenzie, G. , 2022. Memanusiakan kembali geoprivasi: dari kontrol pengungkapan hingga persepsi manusia. GeoJournal, 1-20.
Zhao, B. , dkk. , 2021. Geografi palsu yang mendalam? Ketika data geospasial bertemu dengan kecerdasan buatan. Kartografi dan Sains Informasi Geografi, 48 (4), 338-352.
Zhong, Y., dkk. , 2015. Anda ada di mana Anda pergi: Menyimpulkan atribut demografis dari check-in lokasi. In: Prosiding Konferensi Internasional ACM Kedelapan tentang Pencarian Web dan Penggalian Data . 295-304.