[论文解读] Mobile Privacy-Preserving Crowdsourced Data Collection in the Smart City

Joshua Joy, Ciarán McGoldrick+1 more|arXiv (Cornell University)|Jul 11, 2016

Privacy-Preserving Technologies in Data参考文献 19被引用 3

一句话总结

本文提出 Authorized Analytics，一种可扩展的、保护隐私的架构，用于智慧城市中众包物联网数据的采集，其中移动设备（如自动驾驶汽车）使用双硬币随机响应机制在本地对数据进行扰动，以确保强本地差分隐私。该系统在大规模部署（100万台设备）中实现了相对误差低于0.5%的高实用性，并支持无需同步或中心化信任的隐私保护、去中心化流数据分析。

ABSTRACT

Smart cities rely on dynamic and real-time data to enable smart urban applications such as intelligent transport and epidemics detection. However, the streaming of big data from IoT devices, especially from mobile platforms like pedestrians and cars, raises significant privacy concerns. Future autonomous vehicles will generate, collect and consume significant volumes of data to be utilized in delivering safe and efficient transportation solutions. The sensed data will, inherently, contain personally identifiable and attributable information - both external (other vehicles, environmental) and internal (driver, passengers, devices). The autonomous vehicles are connected to the infrastructure cloud (e.g., Amazon), the edge cloud, and also the mobile cloud (vehicle to vehicle). Clearly these different entities must co-operate and interoperate in a timely fashion when routing and transferring the highly dynamic data. In order to maximise the availability and utility of the sensed data, stakeholders must have confidence that the data they transmit, receive, aggregate and reason on is appropriately secured and protected throughout. There are many different metaphors for providing end-to-end security for data exchanges, but they commonly require a management and control sidechannel. This work proposes a scalable smart city privacy-preserving architecture named Authorized Analytics that enables each node (e.g. vehicle) to divulge (contextually) local privatised data. Authorized Analytics is shown to scale gracefully to IoT scope deployments.

研究动机与目标

• 解决在智慧城市中从移动物联网设备大规模、实时众包数据采集所面临的隐私风险。
• 在不依赖中心化信任或同步机制的前提下，实现安全、隐私保护的数据共享。
• 在自动驾驶汽车网络等动态、分布式物联网环境中，平衡实用性与隐私保护。
• 为研究人员部署真实世界智慧城市实验提供共享、可扩展的隐私基础设施。

提出的方法

• 每个移动设备在传输前独立对其敏感数据应用双硬币随机响应机制。
• 第一枚硬币决定是否报告真实值（概率为 p）或随机值（概率为 1−p）。
• 当第一枚硬币结果为反面时，第二枚硬币被翻转，以概率 q 生成随机响应。
• 聚合器使用公式 $ Y_E = \frac{Y_R - (1-p) \cdot q \cdot N}{p} $ 估计真实‘是’响应的数量。
• 系统无需同步，可在数百万台设备上实现可扩展的、实时的流数据分析。
• 本地数据扰动确保了强可信否认性，并防止对个体贡献者的重新识别。

实验结果

研究问题

• RQ1 如何在智慧城市中实现移动众包数据的采集，同时确保强本地差分隐私？
• RQ2 在去中心化、大规模物联网数据流中，隐私与实用性的最优平衡是什么？
• RQ3 能否实现一个无需同步的去中心化系统，同时具备高实用性与强隐私保障？
• RQ4 随着设备数量增加和查询频率变化，系统性能如何扩展？

主要发现

• 当100万台设备每10秒响应一次，且每秒计算一次结果时，系统查询结果的相对误差低于0.5%。
• 由于大数定律的作用，随着设备数量增加，实用性显著提升，相对误差随之降低。
• 缩短查询执行间隔可提高实用性，因为批次规模增大，从而提升估计精度。
• 系统在无需中心化信任或设备间同步的情况下，仍能维持强本地隐私保障。
• 与先前方法相比，双硬币随机响应机制在实用性与隐私保护之间提供了更优的平衡。
• 该架构可无缝扩展至物联网规模的部署，并支持在不可信、分布式环境中的实时流数据分析。