[论文解读] Eat the Cake and Have It Too: Privacy Preserving Location Aggregates in Geosocial Networks

Bogdan Cărbunar, Mahmudur Rahman+2 more|arXiv (Cornell University)|Apr 12, 2013

Privacy-Preserving Technologies in Data参考文献 29被引用 4

一句话总结

该论文提出ProfilR，一种基于同态加密和零知识证明的隐私保护框架，用于在地理社交网络中构建以位置为中心的用户画像（LCPs），使场所能够计算聚合用户统计信息而不访问个体数据。该系统在强安全保证下，于智能手机上实现端到端延迟仅2.5秒，同时确保用户隐私与计算正确性。

ABSTRACT

Geosocial networks are online social networks centered on the locations of subscribers and businesses. Providing input to targeted advertising, profiling social network users becomes an important source of revenue. Its natural reliance on personal information introduces a trade-off between user privacy and incentives of participation for businesses and geosocial network providers. In this paper we introduce location centric profiles (LCPs), aggregates built over the profiles of users present at a given location. We introduce PROFILR, a suite of mechanisms that construct LCPs in a private and correct manner. We introduce iSafe, a novel, context aware public safety application built on PROFILR . Our Android and browser plugin implementations show that PROFILR is efficient: the end-to-end overhead is small even under strong correctness assurances.

研究动机与目标

• 通过在不暴露个体数据的前提下实现聚合用户画像，解决地理社交网络中用户隐私与商业激励之间的冲突。
• 确保场所和提供商即使通过匿名化的位置轨迹也无法获取个体用户信息。
• 通过防止用户虚假贡献LCP或操纵聚合结果，确保计算的正确性。
• 设计一种可扩展且高效的系统，适用于资源受限的移动设备部署。
• 通过iSafe——一个基于ProfilR构建的上下文感知公共安全应用——展示其实际可用性。

提出的方法

• ProfilR使用Benaloh同态加密体制，实现对用户画像的加密计算，无需解密即可完成LCP计算。
• 采用零知识证明（ZK-CTR）验证用户贡献的正确性，同时不泄露私有数据。
• LCPs可通过场所中心化模型在场所本地计算，或通过设备间临时通信实现实时计算，用于快照LCP。
• 通过将贡献与经场所部署设备验证的物理存在绑定，确保位置真实性。
• iSafe利用ProfilR，基于Yelp评论数据计算具备安全意识的LCP，实现隐私保护的安全感知功能。
• 通过要求至少k名用户同时在场，框架确保k-匿名性，直到任一画像被发布。

实验结果

研究问题

• RQ1 如何在保护用户隐私的同时确保正确性，实现以位置为中心的用户画像计算？
• RQ2 能否设计一种系统，使场所能够收集聚合用户统计数据，而无需访问个体用户画像？
• RQ3 在实时移动应用中，强制实施隐私与正确性机制的性能开销如何？
• RQ4 如何在去中心化、隐私保护的前提下，缓解用户位置伪造与虚假签到问题？
• RQ5 能否构建一个实用且高效的系统，实现在智能手机和Web浏览器上的真实世界部署？

主要发现

• 在智能手机上执行LCP更新操作的端到端开销为2.5秒，即使客户端欺骗概率为一百万分之一。
• ZK-CTR轮次中的通信开销在20个子范围和1024位密钥长度下低于17KB，单维存储开销为5KB。
• iSafe浏览器插件处理500条Yelp评论的开销低于1秒。
• 系统通过确保任何实体即使访问所有系统交互也无法获知个体用户画像，实现强隐私保障。
• 快照LCP支持通过临时无线连接在共处一地的用户间实现实时、去中心化的聚合计算。
• 在假设攻击者无法控制大量虚假账户的前提下，该框架对Sybil攻击具有弹性，此类攻击可通过现有Sybil检测技术缓解。