[論文レビュー] Consensus-based Privacy-preserving Data Aggregation

Jianping He, Lin Cai+3 more|arXiv (Cornell University)|Sep 20, 2016

Security in Wireless Sensor Networks参考文献 35被引用数 7

ひとこと要約

本稿では、暗号技術に依存せずに、自己組織的ネットワークにおける正確な合計および平均集約を可能にする、コンSENSUSに基づくプライバシー保護型データ集約（SCDA）アルゴリズムを提案する。特定の統計的性質を持つ構造化ノイズを追加することにより、SCDAは$(\epsilon,\sigma)$-データプライバシーを確保するとともに、決定的収束性と低い計算複雑性を達成し、ネットワークの動的変化に対して頑健である。

ABSTRACT

Privacy-preserving data aggregation in ad hoc networks is a challenging problem, considering the distributed communication and control requirement, dynamic network topology, unreliable communication links, etc. Different from the widely used cryptographic approaches, in this paper, we address this challenging problem by exploiting the distributed consensus technique. We first propose a secure consensus-based data aggregation (SCDA) algorithm that guarantees an accurate sum aggregation while preserving the privacy of sensitive data. Then, we prove that the proposed algorithm converges accurately and is $(ε, σ)$-data-privacy, and the mathematical relationship between $ε$ and $σ$ is provided. Extensive simulations have shown that the proposed algorithm has high accuracy and low complexity, and they are robust against network dynamics.

研究の動機と目的

• 中央集権的制御や信頼できる第三者が不実用な動的で分散型の自己組織的ネットワークにおけるプライバシー保護型データ集約の課題に対処すること。
• 暗号的プリミティブを用いずに正確な合計および平均計算を保証する分散型データ集約方式を設計すること。
• 推定精度と漏洩確率の観点からプライバシー保護を定量化し、新たな$(\epsilon,\sigma)$-データプライバシー定義を導入すること。
• ノード障害、ネットワークの動的変化、信頼性の低い通信路といった条件下でも収束性と頑健性を保証すること。
• 無線センサネットワークやスマートメーターインフラにおいて、従来の暗号ベース手法の代替として低複雑性かつスケーラブルな手法を提供すること。

提案手法

• SCDAアルゴリズムは、各ノードが隣接ノードの値の重み付き平均に基づいて自身の状態を反復的に更新する分散型平均コンセンサスフレームワークを用いる。
• プライバシーを保ちつつ真の平均への決定的収束を保証するために、特定の分布を持つノイズをコンセンサスプロセスに追加する。
• 正確な集約とプライバシーの両方を保証するためのノイズに関する必要十分条件を導出する。
• $(\epsilon,\sigma)$-データプライバシー定義を導入し、$\sigma$ は攻撃者がノードの初期データを$\epsilon$-区間内に推定できる最大確率を表す。
• 初期ノイズの確率密度関数を用いて、$\epsilon$ と $\sigma$ の間の数学的関係を明示的に導出する。
• 中央制御者や信頼できるエンティティに依存しない設計により、ノード障害や動的トポロジーに対しても頑健性を確保する。

実験結果

リサーチクエスチョン

• RQ1 暗号技術や信頼できる第三者に依存せずに、自己組織的ネットワークにおける正確でプライバシー保護されたデータ集約が可能か？
• RQ2 追加されるノイズにどのような条件を課すことで、真の平均への収束と強力なプライバシー保証を両立できるか？
• RQ3 推定精度と漏洩確率の観点から、プライバシーを定量的に測定する方法は何か？
• RQ4 提案されたSCDAフレームワークにおけるプライバシーパラメータ$\epsilon$と$\sigma$の数学的関係は何か？
• RQ5 SCDAアルゴリズムは、動的ネットワーク環境下で収束速度、正確性、頑健性の観点からどの程度の性能を示すか？

主な発見

• SCDAアルゴリズムは、ネットワーク内すべてのノードの初期データ値の真の平均に決定的に収束する。
• アルゴリズムは$(\epsilon,\sigma)$-データプライバシーを達成し、$\sigma = \max_{\nu \in [-\frac{\alpha}{2}\rho, \frac{\alpha}{2}\rho]} \int_{\nu - \epsilon}^{\nu + \epsilon} f_{\theta_j(0)}(y) dy$を満たす。これにより、攻撃者がノードの初期値を$\epsilon$の範囲内に推定する確率が$\sigma$以下に制限される。
• $\epsilon \to 0$ のとき、漏洩確率$\sigma$は0に近づくため、高精度推定制約下でも強力なプライバシーが保証される。
• ノードあたりの計算複雑度は$O(n)$、通信コストは$O(kn^2)$（$k$は反復回数で、通常$n$よりはるかに小さい）であり、低複雑性を実現する。
• シミュレーションにより、SCDAが動的トポロジーやリンク障害下でも高い正確性と高速な収束性を達成することが確認された。
• 本手法はネットワークの動的変化に対して頑健であり、事前設定された鍵、セキュアチャネル、信頼できる第三者を必要としない。