DEEProtect：在移动感知应用中实现基于推理的访问控制
密码学与安全
2017-11-20 v2
摘要
情境感知移动应用利用个人感知数据来提供功能。然而，相同的数据也可能被对手用来对用户进行敏感推理，从而侵犯其隐私。我们提出了 DEEProtect，这是一个支持新型推理控制形式的框架，在该框架下，能够访问传感器数据的移动应用在推理用户敏感数据和行为的能力上受到（可证明的）限制。DEEProtect 采用双层隐私策略。首先，它利用新颖的自编码器技术执行数据最小化，并限制共享的信息量；该学习网络用于导出传感器数据的紧凑表示，其中仅包含与授权提供功能的推理相关的特征。其次，DEEProtect 对先前学到的特征进行混淆，从而针对敏感推理提供额外的保护层。我们的框架支持传统以及一种新颖的松弛局部差分隐私概念，该概念增强了实用性。通过理论分析和使用真实世界数据集进行的大量实验，我们证明，与现有方法相比，DEEProtect 提供了可证明的隐私保证，且实用性提升了高达 8 倍。最后，DEEProtect 共享从扰动特征重建的混淆原始传感器数据，因此无需更改现有的应用接口。
引用
@article{arxiv.1702.06159,
title = {DEEProtect: Enabling Inference-based Access Control on Mobile Sensing Applications},
author = {Changchang Liu and Supriyo Chakraborty and Prateek Mittal},
journal= {arXiv preprint arXiv:1702.06159},
year = {2017}
}