基于zonotope的差分隐私集值估计

对于大规模信息物理系统，通常需要空间分布的传感器协同完成状态估计过程。将敏感测量信号披露给预测系统状态的云估计器自然会引发隐私问题。为解决该问题，我们提出了一种差分隐私集值估计协议，以保护测量信号的隐私。与现有研究相比，我们的方法利用数值优化的截断噪声分布实现了更小的隐私损失与效用损失。所提估计器被施加比文献中解析方法更弱的噪声以保证同等隐私水平，从而提升了估计效用。文中给出了基于截断Laplace噪声的数值与对比实验以支撑我们的方法。zonotope作为一种保守性更低的集合表示形式，被用于表征估计集合，使集合运算具备计算优势。该隐私保护噪声对这些估计zonotope的中心进行匿名化，隐藏了估计zonotope的精确位置。