保护数据与模型隐私的多方动态状态估计

本文关注利用多方采集的大量传感数据进行的动态状态估计，并认识到在许多应用中，为改善各方协作，估计过程的设计必须顾及保护参与方的数据与模型隐私，其中后者指观测模型关键参数的隐私。我们针对涉及具有数据与模型隐私顾虑的多方场景，开发了一种状态估计范式。多方通过部署各自传感器网络监测物理动态过程，并根据云服务器与安全模块计算的所有各方平均状态估计来更新状态估计。该范式利用加性同态加密，使云服务器与安全模块能在保护数据隐私的同时联合融合各方数据。同时，所有各方在不泄露敏感模型信息的情况下协作制定稳定（或最优）融合规则。针对所提滤波范式，我们分析了其稳定性与最优性。首先，为在保护观测模型隐私的同时稳定多方状态估计器，提出了两种稳定化设计方法。对于特殊场景，各方通过矩阵范数松弛直接设计其估计增益。对于一般场景，在将原始设计问题转化为凸半定规划问题后，各方基于 ADMM 协作推导合适的估计增益。其次，给出了一种带模型隐私保证的最优协作增益设计方法，可实现渐近 MMSE 状态估计。最后，给出数值算例以说明我们的设计与理论发现。