具鲁棒信息隐私保护的分散式检测
信息论
2019-05-10 v4 math.IT
摘要
我们考虑一个分散式检测网络，其目标是推断感兴趣的公共假设。然而，原始传感器观测还允许融合中心推断我们希望保护的私有假设。我们考虑存在属于某个不确定性集的不可数多个私有假设的情形，并在每个传感器上设计局部隐私映射，使得经过处理的传感器信息在最小化融合中心检测公共假设的 Bayes 误差的同时，对所有私有假设实现信息隐私。我们引入最有利假设（MFH）的概念，并展示如何在私有假设集中找到一个 MFH。通过保护 MFH 的信息隐私，也就实现了对其他所有私有假设的信息隐私。我们提供了一种迭代算法来寻找最优局部隐私映射，并推导了这些隐私映射的若干理论性质。仿真结果表明，我们所提方法能使融合中心以低误差推断公共假设，同时保护所有私有假设的信息隐私。
引用
@article{arxiv.1808.10082,
title = {Decentralized Detection with Robust Information Privacy Protection},
author = {Meng Sun and Wee Peng Tay},
journal= {arXiv preprint arXiv:1808.10082},
year = {2019}
}
备注
submitted to IEEE Transactions on Information Forensics and Security