信息物理系统的脆弱性刻画与隐私量化
密码学与安全
2021-11-08 v2
摘要
信息物理系统(CPS)数据在共享、聚合与发布过程中的数据隐私保护是一个具有挑战性的问题。文献中已开发若干隐私保护机制,以保护敏感数据免受对抗性分析并消除再识别共享数据原始属性的风险。然而,大多数现有方案存在缺陷,例如(i)缺乏恰当的脆弱性刻画模型以准确识别何处需要隐私,(ii)忽略数据提供者的隐私偏好,(iii)使用统一隐私保护,可能对某些提供者保护不足而对其他提供者过度保护,以及(iv)缺乏确保数据隐私保全的综合隐私量化模型。为解决这些问题,我们通过刻画与量化 CPS 脆弱性并保证隐私,提出一种个性化隐私偏好框架。首先,我们基于隐私损失将能源-CPS 的节点按从最大到最小脆弱排列,引入标准脆弱性剖析库(SVPL)。基于此模型,我们提出个性化隐私框架(PDP),其中依据各节点所选隐私偏好添加 Laplace 噪声。最后,结合这两种所提方法,我们证明了我们的隐私刻画与量化模型能够通过消除隐私、效用与信息丢失风险之间的权衡来实现更好的隐私保全。
引用
@article{arxiv.2110.15417,
title = {Vulnerability Characterization and Privacy Quantification for Cyber-Physical Systems},
author = {Arpan Bhattacharjee and Shahriar Badsha and Md Tamjid Hossain and Charalambos Konstantinou and Xueping Liang},
journal= {arXiv preprint arXiv:2110.15417},
year = {2021}
}
备注
Accepted in the 2021 IEEE International Conference on Cyber, Physical and Social Computing