[论文解读] Privacy-Enhanced Architecture for Occupancy-based HVAC Control

Ruoxi Jia, Roy Dong+2 more|arXiv (Cornell University)|Jul 11, 2016

Building Energy and Comfort Optimization参考文献 24被引用 10

一句话总结

本文提出了一种增强隐私的占用率驱动暖通空调控制架构，通过最优方式扭曲占用数据，在保护个人位置轨迹的同时维持建筑运行的能效。采用互信息作为隐私度量，该框架将问题形式化为凸优化问题，以在控制性能约束下最小化隐私损失，实验证明，与随机或固定失真方案相比，最优噪声注入能更好地保持控制器性能。

ABSTRACT

Large-scale sensing and actuation infrastructures have allowed buildings to achieve significant energy savings; at the same time, these technologies introduce significant privacy risks that must be addressed. In this paper, we present a framework for modeling the trade-off between improved control performance and increased privacy risks due to occupancy sensing. More specifically, we consider occupancy-based HVAC control as the control objective and the location traces of individual occupants as the private variables. Previous studies have shown that individual location information can be inferred from occupancy measurements. To ensure privacy, we design an architecture that distorts the occupancy data in order to hide individual occupant location information while maintaining HVAC performance. Using mutual information between the individual's location trace and the reported occupancy measurement as a privacy metric, we are able to optimally design a scheme to minimize privacy risk subject to a control performance guarantee. We evaluate our framework using real-world occupancy data: first, we verify that our privacy metric accurately assesses the adversary's ability to infer private variables from the distorted sensor measurements; then, we show that control performance is maintained through simulations of building operations using these distorted occupancy readings.

研究动机与目标

• 解决智能建筑中占用感应带来的隐私风险，即从聚合占用数据中可推断出个人位置轨迹。
• 建模占用率驱动暖通空调系统中隐私损失与控制性能之间的权衡。
• 设计一种机制，在最小化隐私泄露的同时保证可接受的暖通空调控制性能，向占用数据中注入最优噪声。
• 使用真实占用轨迹和模拟建筑动态对框架进行验证。
• 证明所提出的方案在隐私-效用权衡方面优于随机或固定失真方法。

提出的方法

• 使用个体位置轨迹与报告占用数据之间的互信息（MI）作为正式的隐私度量。
• 将问题形式化为凸优化问题，以在控制性能约束下最小化MI，从而可解析求解最优噪声注入。
• 将最优失真方案应用于奥格斯堡数据集的真实占用数据，模拟暖通空调控制性能。
• 将所提方案与基线方法进行比较：原始数据、固定占用时间表、均匀随机失真，以及模拟真实传感器噪声的多项式失真。
• 采用蒙特卡洛模拟评估不同失真水平下的控制成本与隐私损失。
• 将框架扩展至含15名住户的合成数据，以测试其鲁棒性与可扩展性。

实验结果

研究问题

• RQ1 互信息能否作为量化占用率驱动暖通空调系统中隐私损失的有效且可处理的度量？
• RQ2 如何向占用数据中注入最优噪声，以在保持暖通空调控制性能的同时最小化隐私泄露？
• RQ3 基于优化的失真方案是否在隐私-效用权衡方面优于随机或启发式失真方法？
• RQ4 随着住户数量的增加，隐私-效用权衡如何变化？
• RQ5 该框架能否在不损失性能的前提下扩展至更大、更真实的建筑住户规模？

主要发现

• 所提出的最优失真方案在隐私-效用权衡上优于其他方法，其表现优于均匀或多项式随机失真。
• 在高隐私损失水平下，最优方案的性能与随机方案相近；但随着隐私保护水平提高（损失降低），最优方案显著优于随机方案。
• 即使在强隐私约束下，该框架仍能保持与使用原始占用数据相当的控制器性能。
• 随着住户数量增加，原始占用数据带来的隐私风险自然降低，但所提出的失真方法进一步增强了隐私保护，尤其在小型或低密度占用空间中效果更显著。
• 在使用合成数据将框架扩展至15名住户时，基于优化的方法在隐私-效用权衡方面仍保持其优势，证实了其可扩展性。
• 互信息度量准确反映了攻击者推断个体位置的能力，验证了其作为隐私度量的合理性。