[論文レビュー] Private and Accurate Data Aggregation against Dishonest Nodes.

Jianping He, Lin Cai+4 more|arXiv (Cornell University)|Sep 20, 2016

Privacy-Preserving Technologies in Data参考文献 27被引用数 6

ひとこと要約

本稿では、不正なノードに対しても$(\epsilon, \sigma)$-データプライバシーを保証し、耐障害性を備えた、アドホックネットワークにおけるプライベートで正確なデータ集約のためのコンSENSUSベースのアルゴリズム、SCDAおよびE-SCDAを提案する。これらの手法は、ネットワークの動的変化やノードの不正行為に対しても、低コストで高い正確性を達成し、収束性と誤差の上限が証明されている。

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. The difficulty is exaggerated when there exist dishonest nodes, and how to ensure privacy, accuracy, and robustness against dishonest nodes remains an open issue. 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, to mitigate the pollution from dishonest nodes, we propose an Enhanced SCDA (E-SCDA) algorithm that allows neighbors to detect dishonest nodes, and derive the error bound when there are undetectable dishonest nodes. {We prove the convergence of both SCDA and E-SCDA. We also prove that the proposed algorithms are $(\epsilon, \sigma)$-data-privacy, and obtain the mathematical relationship between $\epsilon$ and $\sigma$.} Extensive simulations have shown that the proposed algorithms have high accuracy and low complexity, and they are robust against network dynamics and dishonest nodes.

研究の動機と目的

• 動的で分散型のアドホックネットワークにあって、不正なノードを伴う状況下でも、プライバシー、正確性、耐障害性を確保するデータ集約の課題に対処すること。
• 暗号的手法の限界を克服するため、代わりに分散型コンセンサス技術を活用すること。
• 信頼性の低いリンクや動的トポロジーであっても、データプライバシーを保持しつつ正確な合計値の集約を可能にするプロトコルの設計。
• 不正ノードの検出を可能とし、検出不能な不正ノードが集約プロセスに与える誤差の上限を定量化すること。
• $(\epsilon, \sigma)$-データプライバシー指標を用いて収束性と形式的プライバシー保証を証明し、$\epsilon$と$\sigma$の間の導出された数学的関係を確立すること。

提案手法

• 入力データのプライバシーを保ちながら正確な合計値計算を実現する、安全なコンセンサスベースのデータ集約アルゴリズムSCDAを提案する。
• 分散型コンセンサスを用い、各ノードが隣接ノードの値に基づいてローカル推定値を更新することで、正しい合計値に段階的に収束する。
• E-SCDAを、受信データの整合性チェックを通じて隣接ノードが不正行動を検出できるようにした拡張版として導入する。
• 不正ノードが検出されない場合の誤差上限を導出することで、真の合計値からの最大ずれを定量化する。
• $(\epsilon, \sigma)$-データプライバシーを用いてプライバシー保証を形式化し、$\epsilon$と$\sigma$の間の数学的関係を確立する。
• 一般のネットワーク条件下でSCDAおよびE-SCDAの収束性を証明し、動的トポロジーにおいても安定性を確保する。

実験結果

リサーチクエスチョン

• RQ1 動的トポロジーや信頼性の低いリンクを伴うアドホックネットワークにおいて、どのように正確でプライベートなデータ集約を達成できるか？
• RQ2 分散型コンセンサスが、分散ネットワークにおけるプライバシー保護型集約のための暗号的手法の代替として効果的に機能できるか？
• RQ3 コンセンサスベースの集約フレームワークにおいて、不正ノードを検出するためのメカニズムは何か？
• RQ4 一部の不正ノードが検出されない場合の理論的誤差上限は何か？
• RQ5 提案された$(\epsilon, \sigma)$-データプライバシーモデルにおける、プライバシーパラメータ$\epsilon$と$\sigma$の正式な関係は何か？

主な発見

• SCDAアルゴリズムは、動的アドホックネットワークにおいて、証明可能な収束性を備えた正確な合計集約を達成する。
• E-SCDAアルゴリズムは、隣接ノードが不正ノードを検出可能とし、悪意ある行動に対する耐性を向上させる。
• 提案されたアルゴリズムは、$\epsilon$と$\sigma$の間の導出された数学的関係を伴い、正式に$(\epsilon, \sigma)$-データプライベートであることが証明されている。
• 広範なシミュレーションにより、ネットワークの動的変化や不正ノードの挿入に対しても、高い正確性と低コストの計算複雑性が確認された。
• E-SCDAにおける誤差上限は定量的に導出されており、検出不能な不正ノードによる集約の不正確さの理論的限界を提供する。
• SCDAおよびE-SCDAの両方が、信頼性の低い通信リンクや変化するネットワークトポロジーに対して耐性を示した。