群智感知系统中的隐私保护关键技术研究

With the advancement of personal mobile device technology, participatory sensing is emerging as a promising approach to realizing large-scale sensing concept, which keep receiving research attention from both the academia and the industry for its unique features and important socio-economic value. Human-centric sensing phylosophy adopted in participatory sensing systems makes privacy preservation an essential problem. In a typical participatory sensing system, there are three major research challenges which make traditional solutions used in wireless sensor networks fail: 1) participants are highly autonomous which means they are not specilized in sensing and may not be aware of potential privacy threats; 2) the sensory data and the private information of participants are tightly coupled by nature which means reporting sensory data will inevitably lead to privacy leakage; 3) every part in the system generally does not trust each other in terms of preserving privacy of participants. This project will develop a new set of solutions for privacy preservation in participatory sensing systems, via three following research thrusts. First, with three larg-scale GPS (Global Positioning System) traces of about tens of thousand experimental vehicles in Shanghai and Shenzhen and one larg-scale campus wireless network trace, we will study user-preference-and-context-aware privacy control technology. Second, we will study data accuracy guaranteed privacy preservation methods. Third, we will further study data-trustworthisness-verifiable privacy data aggregation technology. The research outcomes will make a significant contribution to the development of participatory sensing.

群智感知技术成为实现大规模感知的新方式，因其独特的特性和重要社会经济应用价值，近年来受到国内外政府、企业和高等院校的高度重视。以人为中心的感知使得隐私保护成为决定群智感知技术成败的关键问题。在群智感知系统中，节点的高度自治、数据与隐私信息的紧密耦合以及系统各组成互不信任使得传统无线传感网络中隐私保护方法难以有效地应用于群智感知系统。本项目基于对真实大规模城市车辆和校园无线局域网用户数据的挖掘和分析，提出：1）联合用户偏好及上下文感知的隐私控制技术；2）数据准确性保障的隐私保护技术；3）可验证数据可信性的隐私数据聚集技术。本课题预期在隐私保护与数据可信性及准确性的平衡上取得较大的创新和突破，研究成果将为群智感知技术的学术研究与技术应用打下坚实的基础。

本项目面向群智感知这一新的大规模感知方式，解决群智感知应用中节点高度自治、感知数据与节点隐私紧密耦合、系统各组成间互不信任等特点为安全与隐私保护带来的困难。项目组主要在以下几方面开展研究并获得相关研究成果：.1. 研究了基于发送者位置上下文及数据交付偏好的匿名通信方法。利用公车网络为用户提供数据交付服务，提出了一个环境上下文敏感且隐私友好的交付方法BusCast，数据包根据发送者偏好及环境上下文信息动态地选择路由线路。通过所设计的匿名路由结构，可防止敌手恢复包内容窃取用户机密信息、根据网络通信模式推测用户身份、位置和通信隐私；防止敌手操纵数据包、破坏消息完整性。.2. 对移动感知中匿名轨迹数据发布风险进行了分析，提出了一种新的去匿名化攻击方法：攻击者若获得其攻击对象当前或未来任意时段的若干轨迹片段，则可以此比对匿名历史轨迹数据集，从中识别出攻击对象的历史轨迹。课题组基于对真实轨迹数据集的分析与特征提取，实现了所提出的去匿名攻击方法。证明了所提出攻击去匿名的有效性，从而揭示匿名轨迹数据的隐私风险。.3. 针对移动感知中数据机密性保护与数据正确性验证间的矛盾，研究了保护数据机密性的低质量数据下的统计回归建模技术。提出了低质量数据盲回归分析方案PURE，使得参与者不仅收集传感器数据，同时也参与模型决策。实验结果表明，即使在40%的错误测量值下，PURE仍能够获得满意的回归模型。PURE所得回归模型与最优估计的近似程度较最小二乘估计所获得的回归模型与最优估计的近似程度高两个数量级。.4. 针对射频识别标签认证协议安全基准测试与自动分析开展了研究。构建了一套原子行为，通过对原子行为的组合可对任意攻击实现有效表达。提出了一对状态转换模型，用于描述攻击者与读写器，攻击者与标签间交互。引入了一套基于随机图的方法，将协议中漏洞归结为图中的有害路径。通过对图中有害路径的自动搜索，可实现标签认证协议自动分析。

内容获取失败，请点击重试