关于动态系统隐私性：一种最优概率映射方法（扩展预印本）
系统与控制
2021-01-25 v2 系统与控制
摘要
我们解决了通过量化传感器数据发布状态信息的随机动态系统隐私最大化问题。具体而言，我们考虑利用含噪传感器测量获取系统状态信息的场景。该数据被量化并通过公共/不安全通信网络传输至远程站点。我们旨在保持系统状态私密；然而，由于网络不安全，对手可能获取传感器数据，从而用于估计系统状态。为防止此类对手获得准确的状态估计，我们在传输前使用加性随机向量对量化传感器数据进行随机化，并将 corrupted 数据发送至远程站点。我们设计这些加性向量（在一个时间窗上）的联合概率分布，以在给定失真水平（即量化传感器测量值与失真数据所允许的差异程度）下，最小化系统状态某线性函数（期望私有输出）与随机化传感器数据之间的互信息（我们的隐私度量）。我们将加性向量联合概率分布的合成问题表述为带线性约束的凸规划。文中给出仿真实验以说明我们的隐私方案。
引用
@article{arxiv.1910.13559,
title = {On Privacy of Dynamical Systems: An Optimal Probabilistic Mapping Approach (Extended Preprint)},
author = {Carlos Murguia and Iman Shames and Farhad Farokhi. Dragan Nesic and Vincent Poor},
journal= {arXiv preprint arXiv:1910.13559},
year = {2021}
}