[論文レビュー] Differential Privacy Techniques for Cyber Physical Systems: A Survey

Muneeb Ul Hassan, Mubashir Husain Rehmani+1 more|arXiv (Cornell University)|Dec 6, 2018

Privacy-Preserving Technologies in Data参考文献 339被引用数 21

ひとこと要約

本サーベイは、エネルギー、交通、医療、産業用IoTアプリケーションを含むサイバーフィジカルシステム（CPS）におけるデータ保護のための微分プライバシー（DP）技術について包括的な分析を提供する。DPのノイズ追加メカニズムが低計算コストで強力なプライバシー保証を提供することを示し、プライバシーと有用性のトレードオフやブロックチェーンやエッジコンピューティングといった新技術との統合における主な課題を特定する。

ABSTRACT

Modern cyber physical systems (CPSs) has widely being used in our daily lives because of development of information and communication technologies (ICT).With the provision of CPSs, the security and privacy threats associated to these systems are also increasing. Passive attacks are being used by intruders to get access to private information of CPSs. In order to make CPSs data more secure, certain privacy preservation strategies such as encryption, and k-anonymity have been presented in the past. However, with the advances in CPSs architecture, these techniques also needs certain modifications. Meanwhile, differential privacy emerged as an efficient technique to protect CPSs data privacy. In this paper, we present a comprehensive survey of differential privacy techniques for CPSs. In particular, we survey the application and implementation of differential privacy in four major applications of CPSs named as energy systems, transportation systems, healthcare and medical systems, and industrial Internet of things (IIoT). Furthermore, we present open issues, challenges, and future research direction for differential privacy techniques for CPSs. This survey can serve as basis for the development of modern differential privacy techniques to address various problems and data privacy scenarios of CPSs.

研究の動機と目的

• 増加するデータ収集と複雑化するシステムアーキテクチャに起因するCPSにおけるプライバシー脅威の増大に対処するため。
• 暗号化やkアナニマティーなどの従来のプライバシー保護技術がCPS環境において果たす限界を評価するため。
• CPSデータ保護のための強固で数学的に裏付けられた代替手段として微分プライバシーを確立するため。
• エネルギー・システム、交通、医療、産業用IoTの4つの主要なCPS分野におけるDPの実装をサーベイするため。
• CPS環境におけるDPの強化に向けた未解決の課題と今後の研究方向性を特定するため。

提案手法

• リアルタイムデータ、ミッドルーティングコンピューティング、センサーネットワークを含むCPSアプリケーションに適用された微分プライバシー技術の体系的サーベイ。
• LaplaceやGaussianなどのノイズ注入メカニズムの適用により、データの有用性を保ちながら機微なデータを保護する。
• さまざまなCPSワークロードにおける調整可能なプライバシーパラメータ（ε）を通じて、DPのプライバシーと有用性のトレードオフを評価する。
• ブロックチェーンを用いた安全で分散型のデータ共有を実現するため、DPと新技術の統合。
• マルチエージェントCPS環境におけるプライバシーと有用性のトレードオフをモデル化・最適化するためのゲーム理論の活用。
• エッジコンピューティングやミッドルーティングコンピューティングのようなリソース制限のあるCPS環境におけるDPの計算効率とスケーラビリティの分析。

実験結果

リサーチクエスチョン

• RQ1 微分プライバシーは、多様な分野におけるサイバーフィジカルシステムの機微なデータ保護にどのように効果的に適用可能か？
• RQ2 CPSアプリケーションにおいて、データの有用性とプライバシー保護のバランスをとるうえでの主な課題は何か？
• RQ3 暗号化やkアナニマティーなどの従来のプライバシー技術は、現代のCPS環境においてなぜ不十分なのか？
• RQ4 スマートグリッド、eヘルスシステム、産業用IoT展開において、微分プライバシーはどのようにデータセキュリティを強化できるか？
• RQ5 微分プライバシーは、ブロックチェーンやエッジコンピューティングといった新技術とどのように統合され、CPSのセキュリティを向上させられるか？

主な発見

• 暗号化や匿名化と比較して、微分プライバシーは低計算コストで数学的に証明可能な強力なプライバシー保証を提供する。
• LaplaceやGaussianメカニズムによるノイズ注入により、プライバシーパラメータεを調整することで、プライバシーと有用性のトレードオフを細かく制御可能である。
• kアナニマティーなどの従来技術は、特に高次元データセットにおいて再識別リスクが生じるため、完全なプライバシーを保証できない。
• 微分プライバシーは、スマートグリッド、eヘルスシステム、車両通信ネットワークにおけるリアルタイムデータ保護において特に効果的である。
• 微分プライバシーとブロックチェーンの統合により、分散型CPS環境における取引のプライバシーが強化される。
• 今後の研究は、マルチエージェントCPSシステムにおけるプライバシーと有用性のトレードオフを最適化するため、DPとゲーム理論、機械学習を組み合わせることに注力すべきである。