[논문 리뷰] Multilayer Nonlinear Processing for Information Privacy in Sensor Networks

Xin He, Meng Sun외 2명|arXiv (Cornell University)|2017. 11. 13.

Distributed Sensor Networks and Detection Algorithms참고 문헌 36인용 수 5

한 줄 요약

이 논문은 센서 네트워크에서 각 센서에서 데이터를 군집된 비선형 융합과 선형 가중치를 사용하여 왜곡함으로써 비공개 가설을 보호하면서도 공개 가설 검출의 정확도를 유지하는 다층 비선형 처리 프레임워크를 제안한다. 수정된 미러 강하 알고리즘이 가중치 행렬을 최적화하여 사생활 보호와 검출 성능 사이의 균형을 이루며, 실증 데이터셋에서 유리한 트레이드오프를 달성한다.

ABSTRACT

A sensor network wishes to transmit information to a fusion center to allow it to detect a public hypothesis, but at the same time prevent it from inferring a private hypothesis. We propose a multilayer nonlinear processing procedure at each sensor to distort the sensor's data before it is sent to the fusion center. In our proposed framework, sensors are grouped into clusters, and each sensor first applies a nonlinear fusion function on the information it receives from sensors in the same cluster and in a previous layer. A linear weighting matrix is then used to distort the information it sends to sensors in the next layer. We adopt a nonparametric approach and develop a modified mirror descent algorithm to optimize the weighting matrices so as to ensure that the regularized empirical risk of detecting the private hypothesis is above a given privacy threshold, while minimizing the regularized empirical risk of detecting the public hypothesis. Experiments on empirical datasets demonstrate that our approach is able to achieve a good trade-off between the error rates of the public and private hypothesis.

연구 동기 및 목표

• 공개 가설 검출의 정확도를 유지하면서 센서 네트워크에서 비공개 정보를 보호하는 데 도전하는 데 목적이 있다.
• 클러스터에 속한 센서들이 지역 데이터와 동일 클러스터 및 이전 계층의 이웃 센서로부터 수신한 데이터를 비선형 융합한 후 전송하는 분산 처리 프레임워크를 설계하는 데 목적이 있다.
• 융합 센터가 정의된 사생활 보호 한계를 초과하여 비공개 가설을 유추하지 못하도록 보장하는 데 목적이 있다.
• 사생활 제약 조건 하에서 공개 가설 검출의 오차율을 최소화하는 데 목적이 있다.
• 정규화된 경험 리스크를 사용하여 사생활 보호와 검출 성능 사이의 균형을 이루는 최적화 방법을 개발하는 데 목적이 있다.

제안 방법

• 센서들이 클러스터로 그룹화되며, 각 센서는 동일 클러스터 내 이웃 센서로부터 수신한 데이터와 지역 데이터를 비선형 융합 함수를 적용한다.
• 다음 계층의 센서로 전송하기 전에 융합된 데이터에 선형 가중치 행렬을 적용하여 왜곡한다.
• 프레임워크는 비모수적 접근 방식을 사용하여 데이터 분포를 모델링하며, 특정한 비모수적 형태를 가정하지 않는다.
• 수정된 미러 강하 알고리즘이 반복적으로 선형 가중치 행렬을 최적화하는 데 사용된다.
• 최적화 과정은 공개 가설 검출을 위한 정규화된 경험 리스크를 최소화하면서도, 비공개 가설 검출을 위한 정규화된 경험 리스크가 주어진 임계값을 초과하도록 보장한다.
• 알고리즘은 공개 검출 오차를 최소화하고 비공개 검출 오차에 하한을 설정함으로써 사생활 보호와 검출 정확도를 동시에 균형 잡는다.

실험 결과

연구 질문

• RQ1 융합 센터가 비공개 가설을 유추하지 못하도록 하면서도 공개 가설 검출 정확도를 유지하기 위해 센서 네트워크는 어떻게 설계할 수 있는가?
• RQ2 다층 비선형 처리를 통해 센서 데이터를 최적의 방식으로 왜곡하여 사생활-정확도 트레이드오프를 달성할 수 있는가?
• RQ3 비모수적 최적화 방법은 센서 네트워크에서 사생활 보호와 검출 성능 사이의 균형을 효과적으로 달성할 수 있는가?
• RQ4 클러스터링과 계층적 처리 방식은 사생활 보호와 검출 정확도 사이의 트레이드오프에 어떤 영향을 미치는가?
• RQ5 수정된 미러 강하 알고리즘은 원하는 사생활 보호 및 검출 목표를 달성하는 데 어떤 역할을 하는가?

주요 결과

• 제안된 프레임워크는 실증 데이터셋에서 공개 가설과 비공개 가설 검출 오차율 사이의 유리한 트레이드오프를 성공적으로 달성한다.
• 클러스터된 센서 융합을 포함한 다층 비선형 처리 방식은 공개 가설 검출 정확도를 크게 떨어뜨리지 않으면서도 사생활 보호를 향상시킨다.
• 수정된 미러 강하 알고리즘은 사생활 제약 조건을 충족시키면서도 공개 검출 오차를 최소화할 수 있도록 선형 가중치 행렬을 효과적으로 최적화한다.
• 비모수적 접근 방식은 강력한 모수적 가정 없이도 복잡하고 알려지지 않은 데이터 분포에 적응할 수 있도록 한다.
• 실증 결과는 이 프레임워크가 공개 가설 검출 오차율을 낮게 유지하면서도 비공개 가설 검출 오차율이 지정된 사생활 보호 임계값을 초과하도록 보장함을 보여준다.
• 계층 아키텍처는 확장 가능하고 분산 처리가 가능하므로, 이 방법은 대규모 센서 네트워크에 적합하다.