[論文レビュー] Privacy in Information-Rich Intelligent Infrastructure

Cynthia Dwork, George J. Pappas|arXiv (Cornell University)|Jun 6, 2017

Smart Grid Security and Resilience被引用数 8

ひとこと要約

本稿では、スマートグリッドや自動運転車ネットワークなどの情報豊富なインテリジェントインfra構造物に対して、センサーからのリアルタイムストリーミングデータを保護するためのプライバシー保護フレームワークを提案する。データを集約する前に、適切に調整されたノイズを注入することで、個人のユーザー情報が保持されたまま、大規模な分析が可能になる。

ABSTRACT

Intelligent infrastructure will critically rely on the dense instrumentation of sensors and actuators that constantly transmit streaming data to cloud-based analytics for real-time monitoring. For example, driverless cars communicate real-time location and other data to companies like Google, which aggregate regional data in order to provide real-time traffic maps. Such traffic maps can be extremely useful to the driver (for optimal travel routing), as well as to city transportation administrators for real-time accident response that can have an impact on traffic capacity. Intelligent infrastructure monitoring compromises the privacy of drivers who continuously share their location to cloud aggregators, with unpredictable consequences. Without a framework for protecting the privacy of the driver's data, drivers may be very conservative about sharing their data with cloud-based analytics that will be responsible for adding the intelligence to intelligent infrastructure. In the energy sector, the Smart Grid revolution relies critically on real-time metering of energy supply and demand with very high granularity. This is turn enables real-time demand response and creates a new energy market that can incorporate unpredictable renewable energy sources while ensuring grid stability and reliability. However, real-time streaming data captured by smart meters contain a lot of private information, such as our home activities or lack of, which can be easily inferred by anyone that has access to the smart meter data, resulting not only in loss of privacy but potentially also putting us at risk.

研究の動機と目的

• 自動車やスマートメーターからの継続的なセンサー・データのストリーミングに依存するインテリジェントインフラにおけるプライバシーのリスクに対処すること。
• 交通網およびエネルギーシステムにおいて、リアルタイムのデータ収集が個人のプライバシーを脅かす仕組みを特定すること。
• 個人ユーザーのデータが露呈されないまま、大規模な分析を可能にする実用的なプライバシー保護メカニズムを開発すること。
• プライバシー保護が、インフラ監視および最適化に不可欠なデータの有用性を損なわないようにすること。

提案手法

• インテリジェントインフラ（車両の位置情報やスマートメーターの読み取り値など）からのリアルタイム・データストリームに微分プライバシーを適用する。
• 再識別を防ぐために、クラウドベースの集約者に送信する前に、個々のデータポイントに適切に調整されたノイズを導入する。
• プライバシー予算（ε）を用いて、データ公開におけるプライバシー損失を形式的に定量化および制限する。
• 数学的に強く保証されたプライバシーを確保しながら、分析に有用なデータを維持するメカニズムを設計する。
• 交通監視やスマートグリッドにおける需要応答など、既存のインフラシステムにフレームワークを統合する。
• ノイズの注入プロセスをデータの感受性およびシステム要件に応じて適応可能にし、プライバシーと正確性の両立を実現する。

実験結果

リサーチクエスチョン

• RQ1 スマートグリッドや自動運転車などのインテリジェントインフラからのリアルタイム・データストリームにおいて、個人のプライバシーをどのように保護できるか。
• RQ2 高解像度のセンサー・データにおいて、分析の有用性とプライバシー保護の間のトレードオフは何か。
• RQ3 性能劣化を伴わずに、微分プライバシーを継続的かつリアルタイムのデータフローに効果的に適用できるか。
• RQ4 スマートメーター・データからの推論（例：住居内活動の特定）の影響は何か、そしてそれらをどのように軽減できるか。
• RQ5 根本的なアーキテクチャ変更を要せず、既存のインフラシステムにプライバシー保護メカニズムを統合する方法は何か。

主な発見

• 微分プライバシーは、インテリジェントインフラからのリアルタイム・データストリームにおける個人のプライバシー保護を、数学的に厳密に実現する手法を提供する。
• 本フレームワークは、リアルタイムの交通マップ作成や需要応答といった大規模な分析を可能にするとともに、個人データの再識別を不可能にする。
• ノイズの注入があっても、集約されたデータは、公共インフラの監視および最適化に有用である。
• 適切に調整されたプライバシー保護メカニズムにより、スマートメーター・データからプライベートな行動（例：居住状況）を推測するリスクが顕著に低減される。
• 本アプローチは、システムの有用性を維持しながら、強力で形式的なプライバシー保証を提供するため、重要なインフラへの導入に適している。
• 本フレームワークは、交通分野およびエネルギー分野を含む、多様な分野に適用可能であり、広範な関連性と再利用可能性を示している。