面对系统先验信息暴露时的隐私保护
系统与控制
2025-11-17 v1 信息论
系统与控制
信号处理
math.IT
摘要
对于包含敏感信息的系统，其隐私备受关注。虽然差分隐私等概念已成功引入动力系统，但尚不清楚在面对常遇到的挑战性场景——即对方拥有系统的先验知识（如稳态）时，如何妥善保护系统隐私。本文提出了一种针对离散时序线性时不变系统的系统性方法，以抵御掌握系统先验信息的对手。我们采用量身定制的"点态最大泄露(PML)隐私"标准。PML 描述最坏情况下的隐私性能，这与著名的互信息隐私有显著不同。我们推导出 PML 隐私的必要充分条件，并构建了可操作的设计程序。此外，我们的分析揭示了 PML 隐私、差分隐私和互信息隐私之间的关系。我们随后从 PML 隐私的角度重新审视卡尔曼滤波器，推导出以 PML 参数为界限的稳态估计误差协方差下界。最后，在智能建筑分布式感知隐私保护的案例研究中说明了所得结果。
引用
@article{arxiv.2511.10771,
title = {Privacy protection under the exposure of systems' prior information},
author = {Le Liu and Yu Kawano and Ming Cao},
journal= {arXiv preprint arXiv:2511.10771},
year = {2025}
}