面向 IoT 传感器上加密数据的隐私保护异常检测
密码学与安全
2026-04-15 v1
摘要
IoT 设备已成为我们生活中不可或缺的组成部分，人工智能技术的发展将使其更普遍化，增加了因故障或网络攻击而增加隐私风险。加密可以缓解这些挑战；然而，大多数现有异常检测技术在进行分析时会解密数据，可能削弱期间或存储期间提供的加密保护。同态加密方案是有前景的解决方案，因为它们可以在仍然加密的情况下处理和执行操作，但这些方案仅提供有限的操作，这给实际使用提出了挑战。本文提出了一种针对由 IoT 设备生成的同态加密数据的隐私保护异常检测解决方案，能够在不进行解密的情况下有效检测异常值。我们针对 TFHE 方案改进了基于直方图的异常检测技术，以解决输入大小和计算深度相关的限制，通过实现向量化支持操作来实现。这些操作包括加法、将值放入桶中、基于阈值频率标记异常桶、基于其范围标记异常值、以及桶标签。评估结果表明，该解决方案能够在不要求数据解密的情况下有效检测异常值，结果与在明文数据上运行的机制相当。此外，它对常见的 IoT 环境挑战具有鲁棒性和抗性，如噪声传感器数据、对抗性攻击、通信故障和设备故障。此外，尽管尽管几乎所有解决方案配置的时间和计算开销都较大，但仍合理，尤其是与已有文献报道的开销相比。
引用
@article{arxiv.2403.09322,
title = {Privacy Preserving Anomaly Detection on Homomorphic Encrypted Data from IoT Sensors},
author = {Anca Hangan and Dragos Lazea and Tudor Cioara},
journal= {arXiv preprint arXiv:2403.09322},
year = {2026}
}