[논문 리뷰] Private and Accurate Data Aggregation against Dishonest Nodes.

Jianping He, Lin Cai외 4명|arXiv (Cornell University)|2016. 09. 20.

Privacy-Preserving Technologies in Data참고 문헌 27인용 수 6

한 줄 요약

이 논문은 $(\epsilon, \sigma)$-데이터-개인정보 보호와 위성 노드에 대한 강건성을 보장하면서, 애드혹 네트워크에서 비밀리이고 정확한 데이터 집계를 위한 공감 기반 알고리즘인 SCDA와 E-SCDA를 제안한다. 이 방법들은 네트워크의 동적 변화와 노드의 비신뢰성에도 불구하고 낮은 복잡도로 높은 정확도를 달성하며, 수렴성과 오차 한계를 증명 가능하게 보장한다.

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.

연구 동기 및 목표

• 동적이고 분산된 애드혹 네트워크에서 비신뢰성 노드가 존재하는 환경에서 개인정보 보호, 정확성, 강건성을 확보하는 데 도전 과제를 해결한다.
• 암호 기반 접근 방식의 한계를 극복하기 위해 암호 기반 접근 대신 분산 공감 기법을 활용한다.
• 신뢰할 수 없는 링크와 동적 토폴로지 조건에서도 데이터 비밀유지와 함께 정확한 합집계를 가능하게 하는 프로토콜을 설계한다.
• 비신뢰성 노드의 탐지 기능을 제공하고, 탐지되지 않은 비신뢰성 노드가 집계 과정에 미치는 오차를 제한한다.
• 일반적인 네트워크 조건 하에서 수렴성과 수학적 개인정보 보호 보장을 증명하며, $\epsilon$와 $\sigma$ 사이의 유도된 수학적 관계를 사용한 $(\epsilon, \sigma)$-데이터-개인정보 보호 메트릭스를 사용한다.

제안 방법

• 입력 데이터의 비밀유지를 보장하면서 정확한 합계 계산을 보장하는 보안 공감 기반 데이터 집계 알고리즘인 SCDA를 제안한다.
• 각 노드가 이웃 노드의 값에 기반해 로컬 추정치를 갱신함으로써, 분산 공감을 통해 점차적으로 정확한 합계에 수렴하도록 한다.
• 수신 데이터의 일관성 검사를 통해 이웃 노드가 비신뢰성 행동를 탐지할 수 있도록 하는 개선된 버전인 E-SCDA를 도입한다.
• 비신뢰성 노드가 탐지되지 않을 경우의 오차 한계를 유도하여 진짜 합계에서의 최대 이탈을 정량화한다.
• $(\epsilon, \sigma)$-데이터-개인정보 보호를 사용하여 개인정보 보장을 수리적으로 정의하고, $\epsilon$와 $\sigma$ 사이의 수학적 관계를 수립한다.
• 일반적인 네트워크 조건 하에서 SCDA와 E-SCDA의 수렴성을 증명하여 동적 토폴로지에서의 안정성을 확보한다.

실험 결과

연구 질문

• RQ1 동적 토폴로지와 신뢰할 수 없는 링크를 가진 애드혹 네트워크에서 정확하고 비밀리인 데이터 집계는 어떻게 달성할 수 있는가?
• RQ2 분산 공감 기법이 탈중앙화된 네트워크에서 개인정보 보존 집계를 위한 암호 기반 방법을 효과적으로 대체할 수 있는가?
• RQ3 공감 기반 집계 프레임워크에서 비신뢰성 노드 탐지를 가능하게 하는 메커니즘은 무엇인가?
• RQ4 집계 과정에서 일부 비신뢰성 노드가 탐지되지 않을 경우 이론적 오차 한계는 무엇인가?
• RQ5 제안된 $(\epsilon, \sigma)$-데이터-개인정보 보호 모델에서 개인정보 파rameter인 $\epsilon$와 $\sigma$ 사이의 공식적 관계는 무엇인가?

주요 결과

• SCDA 알고리즘은 동적 애드혹 네트워크에서 증명 가능한 수렴성을 보장하면서 정확한 합계 집계를 달성한다.
• E-SCDA 알고리즘은 이웃 노드가 비신뢰성 행동를 탐지할 수 있도록 하여 악성 행동에 대한 강건성을 향상시킨다.
• 제안된 알고리즘들은 수학적으로 $(\epsilon, \sigma)$-데이터-개인정보 보장이 입증되었으며, $\epsilon$와 $\sigma$ 사이의 유도된 수학적 관계가 존재한다.
• 광범위한 시뮬레이션을 통해 네트워크의 동적 변화와 비신뢰성 노드 삽입 조건에서도 높은 정확도와 낮은 계산 복잡도를 확인하였다.
• E-SCDA의 오차 한계는 정량적으로 유도되었으며, 탐지되지 않은 비신뢰성 노드로 인한 집계 정확도 저하에 대한 이론적 한계를 제공한다.
• SCDA와 E-SCDA 모두 신뢰할 수 없는 통신 링크와 변화하는 네트워크 토폴로지에 대해 강건함을 보였다.