PEEL：面向本地差分隐私的投毒暴露编码理论框架
密码学与安全
2025-10-31 v1
摘要
本地差分隐私 (Local Differential Privacy, LDP) 因其轻量、去中心化和可扩展特性，在物联网 (IoT) 领域得到广泛采用。然而，LDP 易受到投毒攻击，而现有防御要么造成巨大的资源开销，要么依赖于领域特定的先验知识，限制了其实际部署。为克服这些限制，我们提出 PEEL，即面向 LDP 的投毒暴露编码理论框架 (Poisoning-Exposing Encoding for LDP)，其不同于依赖资源或先验知识的对策，转而利用 LDP 扰动数据固有的结构一致性。作为一种非侵入性的后处理模块，PEEL 通过稀疏化、归一化和低秩投影重新编码 LDP 扰动数据，从而通过重构空间中的结构不一致性，揭示输出投毒和规则投毒攻击。理论分析表明，PEEL 集成 LDP 后保持无偏性和统计准确性，同时对暴露输出投毒和规则投毒攻击具有鲁棒性。此外，评估结果显示，集成 LDP 的 PEEL 不仅在投毒暴露准确性上优于四种最先进的防御方法，还显著降低了客户端计算成本，使其在大规模 IoT 部署中具有高度适用性。
引用
@article{arxiv.2510.26102,
title = {PEEL: A Poisoning-Exposing Encoding Theoretical Framework for Local Differential Privacy},
author = {Lisha Shuai and Jiuling Dong and Nan Zhang and Shaofeng Tan and Haokun Zhang and Zilong Song and Gaoya Dong and Xiaolong Yang},
journal= {arXiv preprint arXiv:2510.26102},
year = {2025}
}
备注
14 pages, 1 figures