基于云的多传感器估计问题中信息共享方案的隐私性
最优化与控制
2018-02-05 v1
摘要
本文考虑一个多传感器估计问题，其中每个传感器收集关于其局部过程（仅由该传感器观测）和公共过程（由所有传感器同时观测）的含噪信息。目标是在利用云计算技术估计公共过程时，评估每个传感器（的局部过程）的隐私水平。传感器的隐私水平定义为其局部过程在给定与云共享信息下的条件熵。考虑两种信息共享方案：局部方案和全局方案。在局部方案下，每个传感器基于其测量估计公共过程并将估计值传输给云。在全局方案下，云接收传感器测量值之和。研究表明，在局部方案下，每个传感器的隐私水平始终高于由Shannon互信息刻画的某个水平。还证明了当传感器数量增加时该结果变得紧致。我们也表明全局方案是渐近私有的，即全局方案的隐私损失以O(1/M)的速率递减至零，其中M为传感器数量。
引用
@article{arxiv.1802.00684,
title = {Privacy of Information Sharing Schemes in a Cloud-based Multi-sensor Estimation Problem},
author = {Ehsan Nekouei and Mikael Skoglund and Karl H. Johansson},
journal= {arXiv preprint arXiv:1802.00684},
year = {2018}
}