[論文レビュー] Privacy-Preserving Verifiable Incentive Mechanism for Crowdsourcing Market Applications

Jiajun Sun|arXiv (Cornell University)|Nov 25, 2013

Mobile Crowdsensing and Crowdsourcing参考文献 34被引用数 3

ひとこと要約

本稿では、ユーザーとプラットフォームのプライバシーを保護しつつ、真実の参加を保証する2つのプライバシー保護型検証可能なインcentiveメカニズムを提案する。順序を保つ暗号化と信頼できるオークション発行者を活用することで、ユーザーは支払いの正しさを検証可能にしながらも、機微なデータを露呈せずに済ませられ、モバイルデバイスにおける最小限のオーバーヘッドで、非プライベートな同等手法と同等のパフォーマンスを達成する。

ABSTRACT

Recently, a novel class of incentive mechanisms is proposed to attract extensive users to truthfully participate in crowd sensing applications with a given budget constraint. The class mechanisms also bring good service quality for the requesters in crowd sensing applications. Although it is so important, there still exists many verification and privacy challenges, including users' bids and subtask information privacy and identification privacy, winners' set privacy of the platform, and the security of the payment outcomes. In this paper, we present a privacy-preserving verifiable incentive mechanism for crowd sensing applications with the budget constraint, not only to explore how to protect the privacies of users and the platform, but also to make the verifiable payment correct between the platform and users for crowd sensing applications. Results indicate that our privacy-preserving verifiable incentive mechanism achieves the same results as the generic one without privacy preservation.

研究の動機と目的

• ユーザーのコスト、センシングの好み、プラットフォームの支払い行動に関するプライバシー漏洩の深刻な課題に対処すること。
• プラットフォームがユーザーへの支払いの正しさを検証可能にし、偽の結果や架空の入札などの悪意ある行動を防ぐこと。
• 暗号技術を用いて、真実性と予算の実行可能性を維持しつつ、プライバシーを保護するインcentiveメカニズムを設計すること。
• 通信および計算のオーバーヘッドを最小限に抑えることで、モバイルデバイスへの実用的導入を可能にすること。
• プライバシー保護と検証可能性の間のトレードオフをバランスさせること、これらはしばしばインcentiveメカニズムにおいて対立する要因である。

提案手法

• 順序を保つ暗号化（OPES）を用い、オークション発行者がユーザーの入札を暗号化したまま順序付けおよびしきい値支払いの計算が可能になるようにする。
• 無知の転送（OT）およびブラインド署名を用いて、ユーザーのアイデンティティを保護し、入札提出時の入札否認を防止する。
• 勝者選定および暗号化されたセンシングプロファイルに基づく支払い計算を実施する信頼できるオークション発行者（AI）を導入し、プライバシーと正しさを保証する。
• 公開ボードを用いて検証データを保存し、ユーザーが機微な情報を暴露せずに支払いを暗号的に検証可能にする。
• コスト制約下での勝者選定および支払い決定を最適化するため、1入札あたりの限界効用計算モデルを適用する。
• ニーバーク・ループレルデジタル署名方式を用いて、入札および支払いの否認防止と真正性の確保を実現する。

実験結果

リサーチクエスチョン

• RQ1 インセンティブメカニズムにおいて、支払いの検証可能性を損なわずに、ユーザーおよびプラットフォームのプライバシーをどのように保護できるか？
• RQ2 順序を保つ暗号化を効果的に用いて、暗号化されたデータ上で正しいしきい値支払いの計算を可能にし、かつプライバシーを維持できるか？
• RQ3 提案されたメカニズムの通信および計算オーバーヘッドはどの程度で、モバイルデバイスへの効率的な展開が可能か？
• RQ4 プラットフォームが支払いを操作したり、結果を不正に報告したりすることをメカニズムはどのように防止するか？
• RQ5 プライバシー保護型メカニズムは、非プライベートな同等手法と比較して、どの程度同じパフォーマンスを維持できるか？

主な発見

• 提案されたメカニズムは、プライバシー保護を行わない一般的なインセンティブメカニズムと同一の結果を達成し、勝者選定および支払い計算の観点で同一のパフォーマンスを確保する。
• 通信オーバーヘッドは顕著に低減され、支払い決定における最悪ケースの複雑度はO(m²)であるが、実際にははるかに低い。
• 1ユーザーあたりの計算オーバーヘッドは最小限に抑えられ、暗号操作（例：OT、ソーティング）の平均実行時間は28ミリ秒であり、モバイルデバイスに適した性能を達成する。
• 勝者数が増加するに従い、計算オーバーヘッドに飽和点が現れ、定数に安定するため、スケーラビリティが保証される。
• 公開ボードに事前に保存されたデータのおかげで、検証オーバーヘッドは無視できるほど小さく、ユーザーの効率的かつ安全な検証が可能になる。
• メカニズムは入札の否認を防止し、メカニズムが終了するまで、プラットフォームを含むいかなる主体も入札情報にアクセスできないことを保証する。