智能感知系统中针对数据汇聚的隐私保护机制研究

As the infrastructure monitoring and sensing the physical world, smart sensing systems aim to realize the comprehensive perception of status of humans and things, and the intelligent digitalization of the sensing big data. Data aggregation in the smart sensing systems plays a key role in the process of sensing big data, which brings us numerous benefits of extensive data utility as well as the potential risk of privacy exposure and serious threaten of participants. To clarify the privacy exposures in the sensing data aggregation and explore the protective mechanisms, this research first constructs the data propagation and aggregation model to analyze the potential privacy exposure. Then, we focus on quantifying the private information disclosure level in data aggregation through the correlations in the sensing data. Next, we design several privacy-preserving mechanisms dealing with the issues caused by the characteristics of the sensing big data, including large data volume, fast sensing rate, and high data dimension. Finally, the research group will construct the simulation experiment platform, through which can we analyze and evaluate the correctness and effectiveness of the designed mechanisms. The analysis of the privacy disclosure and the design of protective mechanisms in sensing data aggregation, will help us to understand the essence of privacy issues, enhance the privacy resilience of smart sensing data aggregation, and improve the security and reliability of smart sensing systems.

智能感知系统作为监测和感知世界的基础架构，能够对人和物的状态信息进行全面感知，并对所感知的大数据进行智能化信息处理。数据汇聚作为感知大数据信息处理的关键环节，在获取数据效用性的同时也增加了感知数据的隐私暴露风险，给参与者的人身财产安全带来威胁。为了明确感知数据汇聚中隐私暴露的方式和危害，并研究相应的隐私保护机制，本研究首先拟构建数据传播和汇聚模型，分析感知数据隐私暴露方式；其次，借助模型中感知数据的相关性，量化分析数据汇聚中隐私暴露所产生的危害；再次，基于数据传播模型和暴露环节，针对感知大数据所具有的数据量大、感知速度快和维度高三种特性分别设计相应的隐私保护机制；最后，搭建仿真实验平台，分析验证所设计的隐私保护机制的正确性和有效性。针对感知数据汇聚中的隐私保护机制研究将有助于认清隐私问题的本质，增强数据汇聚的隐私安全弹性，提高智能感知系统的安全性和可靠性。

智能感知系统集成了各类智能设备，可以实现对物理世界中大规模、实时、高维数据的全面感知，并通过对感知数据的挖掘和分析达到在人们生产生活的实际应用中进行智能决策和过程优化的目的。大量智能感知设备的接入和使用，虽然提高了从物理世界映射到虚拟世界感知的全面性，但也可能造成大规模感知用户数据隐私泄露的风险。数据隐私保护越来越成为数字社会安全的重要因素，数据孤岛问题日益突出，并直接影响着智能感知数据的质量和智能感知系统建设的进程。.针对智能感知系统中感知数据汇聚过程中的隐私保护问题，本项目对智能感知系统中数据传播的网络模型及对应隐私暴露方式、智能感知系统中感知数据关联性模型及隐私保护挑战，和智能感知系统中针对数据汇聚中的隐私保护机制三个方面进行了研究。.首先，项目组刻画了智能感知系统中所涉及的主要汇聚应用场景，研究了感知数据汇聚过程中所涉及的数据传播方式和对应的网络结构及隐私威胁模型，重点对面向数据发布的隐私保护与面向数据收集的隐私保护模型进行研究。.其次，项目组对智能感知系统中的感知数据特性进行分析，主要从数据关联性对隐私保护所带来的隐私性-效用性折衷难优化等挑战进行了研究，明确了攻击者先验知识和数据相关性对隐私保护效果的影响，时序流式数据中时间相关性对隐私保护的影响，以及静态高维数据中维度相关性对隐私保护的影响。.最后，项目组基于智能感知系统层面感知设备间的隐私信任问题，和数据层面感知数据来源分布广泛、感知实时性高和感知数据属性维度高等几个方面特性，一方面，研究了针对汇聚数据质量的感知参与用户激励机制和隐私保护的群智感知系统防不实汇报的用户激励机制；另一方面，研究了多感知数据流实时汇聚隐私保护机制和分布式高维感知数据汇聚隐私保护机制。同时还研究了允许D2D通信的智能感知系统中设备信任估计方法。以上机制的研究，可以同时从系统层面和数据层面增强智能感知系统中数据汇聚过程的隐私保护水平。