[논문 리뷰] Differential Privacy Techniques for Cyber Physical Systems: A Survey

Muneeb Ul Hassan, Mubashir Husain Rehmani외 1명|arXiv (Cornell University)|2018. 12. 06.

Privacy-Preserving Technologies in Data참고 문헌 339인용 수 21

한 줄 요약

이 종합적 서베이는 사이버-물리 시스템(CPS)에서 데이터를 보호하기 위한 차등적 비밀유지(DP) 기법에 대한 종합적인 분석을 제시한다. 에너지, 교통, 헬스케어, 산업용 인터넷 오브 things(IoT) 응용 분야에 중점을 두며, DP의 노이즈 추가 메커니즘이 낮은 계산 오버헤드로 강력한 프라이버시 보장을 제공하는 방식을 설명한다. 同시에 유틸리티-프라이버시 트레이드오프 및 블록체인, 엣지 컴퓨팅과 같은 신기술과의 통합과 관련된 주요 과제를 규명한다.

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.

연구 동기 및 목표

• 증가하는 데이터 수집과 복잡한 시스템 아키텍처로 인해 사이버-물리 시스템(CPS)에서 프라이버시 위협이 증가하고 있는 데 대응하기 위해.
• 암호화 및 k-익명성과 같은 전통적 프라이버시 보존 기법이 CPS 환경에서 가지는 한계를 평가하기 위해.
• CPS 데이터 보호를 위한 강력하고 수학적으로 기반을 둔 대안으로 차등적 비밀유지를 확립하기 위해.
• 에너지 시스템, 교통, 헬스케어, 산업용 IoT를 포함한 네 가지 핵심 CPS 영역에서 DP의 구현을 조사하기 위해.
• CPS 환경에서 DP를 향상시키기 위한 열린 과제와 향후 연구 방향을 규명하기 위해.

제안 방법

• 실시간 데이터, 퍼그 컴퓨팅, 센서 네트워크를 포함한 CPS 응용 분야에 적용된 차등적 비밀유지 기법에 대한 체계적 서베이.
• 감시 데이터 보호를 위해 노이즈 주입 메커니즘(Laplace, Gaussian 등)을 적용하여 유틸리티 유지.
• 다양한 CPS 워크로드에서 조정 가능한 프라이버시 파라미터(ε)를 통해 DP의 프라이버시-유틸리티 트레이드오프 평가.
• 안전하고 탈중앙화된 데이터 공유를 위해 DP를 블록체인과 통합.
• 다중 에이전트 CPS 환경에서의 프라이버시-유틸리티 트레이드오프를 모델링하고 최적화하기 위해 게임 이론의 적용.
• 에지 및 퍼그 컴퓨팅과 같은 자원 제약이 있는 CPS 환경에서 DP의 계산 효율성과 확장성 분석.

실험 결과

연구 질문

• RQ1 다양한 도메인에서 사이버-물리 시스템(CPS)의 민감한 데이터를 효과적으로 보호하기 위해 차등적 비밀유지는 어떻게 적용될 수 있는가?
• RQ2 CPS 응용 분야에서 데이터 유틸리티와 프라이버시 보존을 균형 잡는 데 있어 핵심 과제는 무엇인가?
• RQ3 암호화 및 k-익명성과 같은 전통적 프라이버시 기법은 현대 CPS 환경에서 왜 부족한가?
• RQ4 차등적 비밀유지는 스마트 그라이드, 전자 헬스 시스템, 산업용 IoT 구현에서 데이터 보안에 어떤 역할을 할 수 있는가?
• RQ5 차등적 비밀유지는 블록체인과 엣지 컴퓨팅과 같은 신기술과 어떻게 통합되어 CPS 보안을 향상시킬 수 있는가?

주요 결과

• 암호화 및 익명화 기법에 비해 낮은 계산 오버헤드로 강력하고 수학적으로 증명 가능한 프라이버시 보장을 제공한다.
• 프라이버시 파라미터 ε를 통해 Laplace 또는 Gaussian 메커니즘을 통한 노이즈 주입을 통해 프라이버시-유틸리티 트레이드오프를 세밀하게 제어할 수 있다.
• k-익명성과 같은 전통적 기법은 고차원 데이터셋에서 재식별 위험으로 인해 완전한 프라이버시를 보장하지 못한다.
• 차등적 비밀유지는 스마트 그라이드, 전자 헬스 시스템, 차량 네트워크에서 실시간 데이터 보호에 특히 효과적이다.
• 차등적 비밀유지를 블록체인과 통합하면 탈중앙화된 CPS 환경에서 거래 프라이버시를 향상시킬 수 있다.
• 향후 연구는 다중 에이전트 CPS 시스템에서 프라이버시-유틸리티 트레이드오프를 최적화하기 위해 DP를 게임 이론 및 머신러닝과 융합하는 데에 집중해야 한다.