[论文解读] An Efficient Fog-Assisted Unstable Sensor Detection Scheme with Privacy Preserved

Shuo Chen, Rongxing Lu+1 more|arXiv (Cornell University)|Nov 28, 2017

Security in Wireless Sensor Networks参考文献 23被引用 3

一句话总结

本文提出了一种基于雾计算的隐私保护方案，用于在物联网环境中检测不稳定的传感器，通过利用雾计算减轻控制中心的通信和计算负载。该方案采用Paillier同态加密实现安全数据聚合，并通过批量验证实现高效认证，在保护数据隐私的同时有效抵抗常见网络攻击，实现高检测准确率与低误报率。

ABSTRACT

The Internet of Thing (IoT) has been a hot topic in both research community and industry. It is anticipated that in future IoT, an enormous number of sensors will collect the physical information every moment to enable the control center making better decisions to improve the quality of service (QoS). However, the sensors maybe faulty and thus generate inaccurate data which would compromise the decision making. To guarantee the QoS, the system should be able to detect faulty sensors so as to eliminate the damages of inaccurate data. Various faulty sensor detection mechanisms have been developed in the context of wireless sensor network (WSN). Some of them are only fit for WSN while the others would bring a communication burden to control center. To detect the faulty sensors for general IoT applications and save the communication resource at the same time, an efficient faulty sensor detection scheme is proposed in this paper. The proposed scheme takes advantage of fog computing to save the computation and communication resource of control center. To preserve the privacy of sensor data, the Paillier Cryptosystem is adopted in the fog computing. The batch verification technique is applied to achieve efficient authentication. The performance analyses are presented to demonstrate that the proposed detection scheme is able to conserve the communication resource of control center and achieve a high true positive ratio while maintaining an acceptable false positive ratio. The scheme could also withstand various security attacks and preserve data privacy.

研究动机与目标

• 解决物联网系统中海量传感器数据对控制中心造成的高通信与计算负担。
• 在不依赖邻居投票或集中式数据分析的前提下，检测不稳定传感器（尤其是噪声方差较高的传感器）。
• 通过密码学技术在数据聚合与传输过程中保护传感器数据隐私。
• 通过在雾节点本地执行故障检测，降低网络延迟与带宽使用。
• 确保在检测过程中对窃听、中间人及重放攻击具备安全性。

提出的方法

• 采用三层雾计算架构：环境层（传感器）、边缘层（雾设备）和云层（控制中心），实现本地处理。
• 在第一层雾设备上使用Paillier同态加密对传感器数据进行加密，确保聚合过程中的隐私保护。
• 雾设备在加密数据上执行本地计算，计算离散度度量（如方差）以检测不稳定传感器。
• 应用批量验证技术高效认证多个传感器报告，降低验证开销。
• 使用条件概率模型评估父节点与子节点雾节点之间的传感器相关性，以检测异常。
• 该方案避免将原始明文数据传输至控制中心，最大限度减少网络资源消耗。

实验结果

研究问题

• RQ1 在大规模物联网部署中，如何在不使控制中心过载的情况下高效执行故障传感器检测？
• RQ2 在基于雾计算的系统中，有哪些技术可保护数据聚合过程中的传感器数据隐私？
• RQ3 同态加密与批量验证的结合能否降低传感器故障检测中的通信与计算成本？
• RQ4 该方案在检测高噪声方差不稳定传感器方面效果如何，同时保持低误报率？
• RQ5 该方案在应对窃听与重放攻击等常见网络攻击时，可达到何种安全水平？

主要发现

• 所提出的方案通过在雾层本地执行故障检测，显著降低了控制中心的通信与计算开销。
• 采用Paillier同态加密确保了数据聚合与传输过程中的端到端隐私保护。
• 该方案对高噪声方差不稳定传感器的真正检测率较高，表明其具有强大的检测有效性。
• 误报率保持在可接受范围内，确保了在实际部署中的可靠性。
• 由于采用密码学认证与加密机制，该方案对窃听、中间人及重放攻击具有强抵抗力。
• 性能评估结果表明，该方案在资源节约与可扩展性方面优于传统集中式方法。