高斯轨迹中因依赖性导致的隐私渐近损失
信息论
2019-02-19 v2 math.IT
摘要
物联网（IoT）的快速增长需要使用隐私保护技术来保护用户的敏感信息。即使用户轨迹被匿名化，仍可采用统计匹配来推断敏感信息。在我们之前的工作中，我们已确立了用户轨迹为离散随机变量实例且 adversary（敌手）仅知道依赖图结构（即每对用户是否相连）情况下的隐私要求。在本文中，我们考虑数据轨迹为高斯随机变量实例且敌手不仅知道图结构还知道两两相关系数的情形。我们确立了匿名化以阻止此类统计匹配的要求，结果表明对两两相关系数的了解在更大程度上显著帮助敌手破坏用户匿名性。
引用
@article{arxiv.1809.10289,
title = {Asymptotic Loss in Privacy due to Dependency in Gaussian Traces},
author = {Nazanin Takbiri and Ramin Soltani and Dennis L. Goeckel and Amir Houmansadr and Hossein Pishro-Nik},
journal= {arXiv preprint arXiv:1809.10289},
year = {2019}
}
备注
IEEE Wireless Communications and Networking Conference