差分隐私卡尔曼滤波
最优化与控制
2012-07-20 v1 密码学与安全
系统与控制
摘要
本文研究了 H2（卡尔曼）滤波问题，该问题出现在必须基于个体参与者的输入构建信号估计，且其数据必须保持隐私的情境中。此类问题出现在智能电网或智能交通系统等新兴应用中，用户持续向执行全局监控或控制任务的第三方聚合器发送数据，并要求保证这些数据不会被用于推断额外的个人信息。为了针对拥有任意侧信息的对手提供强有力的形式化隐私保证，我们依赖于数据库文献中近期引入的差分隐私概念。我们将此概念扩展至具有许多参与者贡献独立输入信号的动态系统，并提出了在差分隐私约束下解决 H2 滤波问题的机制。文中描述了一种减轻隐私诱导机制对估计性能影响的方法，该方法依赖于控制滤波器的 H∞范数。最后，我们讨论了其在隐私保护交通监控系统中的应用。
引用
@article{arxiv.1207.4592,
title = {Differentially Private Kalman Filtering},
author = {Jerome Le Ny and George J. Pappas},
journal= {arXiv preprint arXiv:1207.4592},
year = {2012}
}
备注
9 pages. arXiv admin note: substantial text overlap with arXiv:1207.4305