[論文レビュー] Mobile Privacy-Preserving Crowdsourced Data Collection in the Smart City

Joshua Joy, Ciarán McGoldrick+1 more|arXiv (Cornell University)|Jul 11, 2016

Privacy-Preserving Technologies in Data参考文献 19被引用数 3

ひとこと要約

本稿では、スマートシティにおけるクラウドソーシングIoTデータ収集のためのスケーラブルでプライバシー保護型のアーキテクチャ「Authorized Analytics」を提案する。移動型デバイス（例：自律走行車両）は、強力な局所的微分プライバシーを確保するため、二枚コインの確率的応答メカニズムを用いて局所的に自身のデータをノイズ化する。本システムは大規模な展開（100万台のデバイス）において相対誤差が0.5%未満に抑えられ、同期や中央集権的信頼を必要としない安全で分散型のストリーム分析を実現する。

ABSTRACT

Smart cities rely on dynamic and real-time data to enable smart urban applications such as intelligent transport and epidemics detection. However, the streaming of big data from IoT devices, especially from mobile platforms like pedestrians and cars, raises significant privacy concerns. Future autonomous vehicles will generate, collect and consume significant volumes of data to be utilized in delivering safe and efficient transportation solutions. The sensed data will, inherently, contain personally identifiable and attributable information - both external (other vehicles, environmental) and internal (driver, passengers, devices). The autonomous vehicles are connected to the infrastructure cloud (e.g., Amazon), the edge cloud, and also the mobile cloud (vehicle to vehicle). Clearly these different entities must co-operate and interoperate in a timely fashion when routing and transferring the highly dynamic data. In order to maximise the availability and utility of the sensed data, stakeholders must have confidence that the data they transmit, receive, aggregate and reason on is appropriately secured and protected throughout. There are many different metaphors for providing end-to-end security for data exchanges, but they commonly require a management and control sidechannel. This work proposes a scalable smart city privacy-preserving architecture named Authorized Analytics that enables each node (e.g. vehicle) to divulge (contextually) local privatised data. Authorized Analytics is shown to scale gracefully to IoT scope deployments.

研究の動機と目的

• スマートシティにおける移動型IoTデバイスからの大規模かつリアルタイムなクラウドソーシングデータ収集におけるプライバシーリスクに対処すること。
• 中央集権的信頼や同期に依存せずに、安全でプライバシー保護型のデータ共有を可能にすること。
• 自律走行車両ネットワークのような動的で分散型のIoT環境において、有用性とプライバシーのバランスをとること。
• 実世界のスマートシティ実験を実施する研究者らが共有・拡張可能なプライバシーインfraを提供すること。

提案手法

• 各移動型デバイスは、送信前に機密データに対して二枚コインの確率的応答メカニズムを独立して適用する。
• 最初のコインは、確率pで真の値を報告し、確率1−pでランダムな値を報告する。
• 最初のコインが裏が出た場合にのみ、第二のコインを投げ、確率qでランダム応答を生成する。
• 集約者が真の「はい」応答数を推定する式は、$ Y_E = \frac{Y_R - (1-p) \cdot q \cdot N}{p} $ である。
• システムは同期を必要とせず、数百万台のデバイスにわたるスケーラブルでリアルタイムのストリーム分析を可能にする。
• 局所的データノイズ化により、強力なありすべく偽装可能性が保証され、個々の貢献者の再識別を防止する。

実験結果

リサーチクエスチョン

• RQ1 スマートシティにおける移動型クラウドソーシングデータを、強力な局所的微分プライバシーを保ちながら収集するにはどうすればよいか？
• RQ2 分散型で大規模なIoTデータストリームにおいて、プライバシーと有用性の最適なバランスは何か？
• RQ3 同期不要の分散型システムが、同時に高い有用性と強力なプライバシー保証を達成できるか？
• RQ4 デバイス数の増加やクエリ頻度の変化に伴い、システムのパフォーマンスはどのようにスケーリングするか？

主な発見

• 100万台のデバイスが10秒ごとに応答し、1秒ごとに結果が計算される状況で、クエリ結果の相対誤差が0.5%未満に抑えられる。
• 大規模なデバイス数による大数の法則の効果により、有用性が著しく向上し、相対誤差が減少する。
• クエリ実行間隔を短くすることでバッチサイズが増加し、推定精度が向上するため、有用性が向上する。
• 中央集権的信頼やデバイス間の同期を必要とせず、強力な局所的プライバシー保証を維持する。
• 二枚コインの確率的応答メカニズムは、先行手法に比べて有用性とプライバシーのバランスに優れている。
• アーキテクチャはIoT規模の展開に滑らかにスケーリングでき、信頼できない分散環境でもリアルタイムのストリーム分析をサポートする。