SeRaNDiP——利用固有传感器随机噪声实现可穿戴社区感知应用的差分隐私保护

从当今可穿戴传感器收集的个人数据包含大量可揭示用户身份的信息。差分隐私（DP）是保护发送到社区感知应用的传感器数据隐私同时保留其统计特性的知名技术。然而，差分隐私算法计算昂贵，需要用户级随机噪声生成，给硬件资源受限的可穿戴设备带来高开销。本文提出 SeRaNDiP——利用可穿戴传感器固有存在的随机噪声实现分布式差分隐私。我们展示了可穿戴传感器中各种硬件配置参数如何产生不同量的固有传感器噪声，并确保针对不同规模人群的各类社区感知应用提供分布式差分隐私保障。我们对五款当今商业可穿戴设备中广泛使用的传感器进行了 SeRaNDiP 评估——MPU-9250 加速度计、ADXL345 加速度计、BMP 388 气压计、MLP 3115A2 气压计和 MLX90632 体温传感器，结果显示与最先进的差分隐私实现相比，计算/通信速度提升 1.4-1.8 倍，能源节省 1.2-1.5 倍。据我们所知，SeRaNDiP 是首个无需硬件修改即可利用固有传感器随机噪声实现社区感知差分隐私保护的框架。