[논문 리뷰] Privacy in Information-Rich Intelligent Infrastructure

Cynthia Dwork, George J. Pappas|arXiv (Cornell University)|2017. 06. 06.

Smart Grid Security and Resilience인용 수 8

한 줄 요약

이 논문은 스마트 그라이드와 자율 주행 차량 네트워크와 같은 정보가 풍부한 지능형 인fra구조를 위한 프라이버시 보존 프레임워크를 제안한다. 센서에서 유입되는 실시간 스트리밍 데이터를 보호하기 위해 차등적 프라이버시를 사용한다. 데이터를 집계하기 전에 보정된 노이즈를 주입하여 개인의 정보가 유출되지 않도록 하면서도, 공공의 복리에 기여하는 정확한 대규모 분석이 가능하도록 보장한다.

ABSTRACT

Intelligent infrastructure will critically rely on the dense instrumentation of sensors and actuators that constantly transmit streaming data to cloud-based analytics for real-time monitoring. For example, driverless cars communicate real-time location and other data to companies like Google, which aggregate regional data in order to provide real-time traffic maps. Such traffic maps can be extremely useful to the driver (for optimal travel routing), as well as to city transportation administrators for real-time accident response that can have an impact on traffic capacity. Intelligent infrastructure monitoring compromises the privacy of drivers who continuously share their location to cloud aggregators, with unpredictable consequences. Without a framework for protecting the privacy of the driver's data, drivers may be very conservative about sharing their data with cloud-based analytics that will be responsible for adding the intelligence to intelligent infrastructure. In the energy sector, the Smart Grid revolution relies critically on real-time metering of energy supply and demand with very high granularity. This is turn enables real-time demand response and creates a new energy market that can incorporate unpredictable renewable energy sources while ensuring grid stability and reliability. However, real-time streaming data captured by smart meters contain a lot of private information, such as our home activities or lack of, which can be easily inferred by anyone that has access to the smart meter data, resulting not only in loss of privacy but potentially also putting us at risk.

연구 동기 및 목표

• 차량과 스마트 미터에서 유입되는 지속적인 센서 데이터 스트림에 의존하는 지능형 인프라의 프라이버시 위험을 해결한다.
• 특히 교통 및 에너지 시스템에서 실시간 데이터 수집이 개인의 프라이버시를 어떻게 침해하는지 규명한다.
• 개인 사용자 데이터를暴露하지 않으면서도 대규모 분석이 가능한 실용적인 프라이버시 보존 메커니즘을 개발한다.
• 프라이버시 보호가 중요한 인프라 모니터링 및 최적화를 위한 데이터의 유용성을 떨어뜨리지 않도록 보장한다.

제안 방법

• 지능형 인프라에서 유입되는 실시간 데이터 스트림(예: 차량 위치, 스마트 미터 읽기값)에 차등적 프라이버시를 적용한다.
• 재식별을 방지하기 위해 클라우드 기반 집계기로 전송하기 전에 개별 데이터 포인트에 보정된 노이즈를 주입한다.
• 개별 데이터 발행 시 프라이버시 손실을 공식적으로 정량화하고 제한하기 위해 프라이버시 예산(ε)을 사용한다.
• 강력한 수학적 프라이버시 보장과 함께 데이터 분석을 위한 유용성을 유지하는 메커니즘을 설계한다.
• 기존의 인프라 시스템(예: 교통 모니터링, 스마트 그라이드의 수요 반응)에 프레임워크를 통합한다.
• 노이즈 주입 과정을 데이터 민감도와 시스템 요구사항에 따라 적응적으로 조정하여 프라이버시와 정확도를 동시에 유지한다.

실험 결과

연구 질문

• RQ1 스마트 그라이드와 자율 주행 차량과 같은 지능형 인프라에서 유입되는 실시간 데이터 스트림에서 개인의 프라이버시를 어떻게 보호할 수 있는가?
• RQ2 고해상도 센서 데이터에서 데이터 유용성과 프라이버시 보호 사이의 상충 관계는 무엇인가?
• RQ3 시스템 성능 저하 없이 연속적인 실시간 데이터 흐름에 차등적 프라이버시를 효과적으로 적용할 수 있는가?
• RQ4 스마트 미터 데이터에서의 데이터 추론(예: 주거지 활동 감지)의 영향은 무엇이며, 이를 어떻게 완화할 수 있는가?
• RQ5 기본적인 아키텍처 변경 없이도 기존 인프라 시스템에 프라이버시 보존 메커니즘을 통합할 수 있는가?

주요 결과

• 차등적 프라이버시는 지능형 인프라에서 유입되는 실시간 데이터 스트림에서 개인의 프라이버시를 수학적으로 엄격하게 보호할 수 있는 방법을 제공한다.
• 프레임워크는 개인 데이터가 재식별되지 않도록 하면서도 실시간 교통 지도 제작 및 수요 반응과 같은 정확한 대규모 분석을 가능하게 한다.
• 노이즈 주입에도 불구하고 집계된 데이터는 공공 인프라 모니터링 및 최적화에 여전히 유용하다.
• 보정된 프라이버시 보존 메커니즘을 통해 스마트 미터 데이터에서 비공개 행동(예: 주거지 거주 여부)을 추론할 위험은 크게 감소한다.
• 제안된 접근법은 시스템의 유용성을 유지하면서도 강력하고 공식적인 프라이버시 보장을 제공하므로, 핵심 인프라에의 구현에 적합하다.
• 이 프레임워크는 교통 및 에너지 분야를 포함한 다양한 분야에 적용 가능하여 광범위한 관련성과 재사용 가능성을 보여준다.