[论文解读] Privacy Preserving Set-Based Estimation Using Partially Homomorphic Encryption

Amr Alanwar, Victor Gassmann+5 more|arXiv (Cornell University)|Oct 19, 2020

Security in Wireless Sensor Networks被引用 4

一句话总结

本文提出了一种基于部分同态加密的隐私保护集合估计协议，用于保护分布式系统中传感器测量值和状态估计的隐私。通过加密zonotopic和约束zonotopic集合表示，该方法能够在加密域内实现集合的安全聚合与交集运算，通过计算不可区分性确保计算隐私，同时保持对安全关键应用而言准确且有界的状态估计。

ABSTRACT

The set-based estimation has gained a lot of attention due to its ability to guarantee state enclosures for safety-critical systems. However, collecting measurements from distributed sensors often requires outsourcing the set-based operations to an aggregator node, raising many privacy concerns. To address this problem, we present set-based estimation protocols using partially homomorphic encryption that preserve the privacy of the measurements and sets bounding the estimates. We consider a linear discrete-time dynamical system with bounded modeling and measurement uncertainties. Sets are represented by zonotopes and constrained zonotopes as they can compactly represent high-dimensional sets and are closed under linear maps and Minkowski addition. By selectively encrypting parameters of the set representations, we establish the notion of encrypted sets and intersect sets in the encrypted domain, which enables guaranteed state estimation while ensuring privacy. In particular, we show that our protocols achieve computational privacy using the cryptographic notion of computational indistinguishability. We demonstrate the efficiency of our approach by localizing a real mobile quadcopter using ultra-wideband wireless devices.

研究动机与目标

• 解决分布式集合估计中传感器将数据外包给不受信的云聚合器时产生的隐私泄露问题。
• 在不损害估计精度或集合包围保证的前提下，实现在安全关键系统中的安全、私密状态估计。
• 开发一种支持对zonotopic和约束zonotopic表示进行加密集合运算（尤其是交集）的协议。
• 通过计算不可区分性等密码学概念，在判定性Diffie-Hellman假设下实现计算隐私。
• 通过使用超宽带设备对移动四旋翼飞行器进行实际定位，验证协议在现实应用中的可行性。

提出的方法

• 该方法使用部分同态加密（PHE）对zonotopes和约束zonotopes的关键参数（包括中心、生成元和偏差向量）进行加密。
• 采用zonotopes和约束zonotopes，因其具有紧凑的表示形式，并且在线性变换和Minkowski加法下具有封闭性。
• 通过同态组合来自多个传感器组的加密集合表示，在加密域内执行集合交集运算。
• 协议通过使用模拟器模拟任何诚实但好奇的参与方联盟的视图，确保隐私，该模拟器产生的输出与真实视图在计算上不可区分。
• 安全模型依赖于计算不可区分性，确保任何联盟都无法在公开信息之外获取加密集合的实际值。
• 系统使用Paillier密码体制实现，支持加法同态，从而实现对加密测量值和集合参数的安全聚合。

实验结果

研究问题

• RQ1 是否可以在云环境中安全地执行集合估计，同时保护传感器测量值和状态估计的隐私？
• RQ2 如何在不解密的情况下，对zonotopic和约束zonotopic集合表示进行安全的同态处理？
• RQ3 在诚实但好奇的传感器组联盟下，可能产生多大程度的隐私泄露？是否可以实现密码学上的边界控制？
• RQ4 所提出的协议能否在确保计算隐私的同时保持紧密的状态估计边界？
• RQ5 在移动机器人定位等实际应用中，该协议的效率如何？

主要发现

• 所提出的协议通过确保任何传感器组联盟的视图在计算上与模拟视图不可区分，从而实现计算隐私，即使在合谋情况下亦然。
• 该方法通过同态运算实现了加密集合的安全交集，同时在有界不确定性下保持了状态估计的准确性。
• 系统支持对加密zonotopes进行线性映射和Minkowski和的高效计算，这些操作对集合估计至关重要。
• 该协议在使用超宽带（UWB）测距的四旋翼飞行器实际定位任务中成功得到评估，验证了其实际可行性。
• 安全模型保证，即使传感器组联盟也无法在公开信息之外推断出非合谋组的私有集合参数。
• 使用约束zonotopes相比标准zonotopes可实现更紧凑且更紧密的集合表示，从而提升估计性能。