车路协同隐私计算

Original 王伟开放隐私计算 2024-01-09

分享嘉宾：王伟北京交通大学教授、博导，信息安全系主任，区块链研究中心主任

编辑整理：谢彪

出品平台：OpenMPC

随着数据正式成为第五大生产要素，在国防、医疗、金融、交通等方面占据重要地位。但是目前仍存在数据流动困难的问题，数据采集、存储受到法律法规严格要求，数据孤岛现象普遍。隐私计算技术可以打破数据壁垒、促进数据流动，挖掘数据价值、促进产业发展。在全球范围内，美国、欧盟、日本、俄罗斯、加拿大、韩国等发达国家和地区相继出台了一系列数据安全相关的法律法规，我国也将网络空间安全设置为国家重点战略。

《车路协同隐私计算》

本次分享主要围绕下面三大内容展开：

隐私保护计算技术

团队研究课题
应用示范介绍

一、隐私保护计算技术首先与大家分享下当前隐私保护计算的背景与意义。

主要技术瓶颈有安全与隐私、数据孤岛、协同计算、可信缺乏四个方面，2021年是中国数据合规“元年”，是全球隐私科技“风口”。

Gartner和达摩院分别发布的技术趋势报告中，隐私保护计算技术都占据了一席之地，同时国务院办公厅也发布了相关文件，明确要完善公共数据开放共享机制，加强数据安全保护。

同时，目前业内正在构建分布式隐私保护机器学习框架，实现数据不动模型动、数据可用不可见、过程可控可计量。
二、团队研究课题目前团队正在研究的课题是“国家重点研发技术项目——城市智能系统可信任机理与关键技术”，以智慧民生众包服务平台和消费者隐私保护和商品安全防伪服务平台为示范，攻克“城市智能系统可信任机理”的关键科学问题，突破“可信性度量与验证评估难”、“协同计算可信性保障难”、“需求满足性与安全、隐私平衡难”三个关键技术。

城市智能系统可信任机理包括人机物系统及其单元内在行为方式和不同应用场景下人机物相互联系、相互作用的机制和原理。

三、应用示范介绍

分析协作式学习多阶段协同计算风险，包括：数据接入、训练、预测阶段。敏感数据不共享条件下协同计算全过程中的可信性问题。

设计隐秘的投毒攻击方法，绕过现有16种防御机制，包括Krum、Bulylan 、（本地/中心）差分隐私等。

不同社区的摄像头拍摄的视频数据存在数据孤岛，或者同一社区内，不同区域的摄像头数据存在数据孤岛。基于“可用不可见”的视频数据，实现面向隐私保护的视频内容异常行为协同检测系统。

搭建了融合零知识证明、选择性认证披露等隐私保护方法与区块链及其跨链技术的基础平台，并基于此平台研发了公益性大病筹款平台，在保证用户隐私的情况下实现可信身份验证、可信信息存储、可信数据传输等功能。该项目获得了2021年微众银行金融科技大赛全国第三名。

单一的视频监控设备可见区域有限。联合道路两侧不同的视频监控设备，通过视频特征提取、联邦学习、同态加密等技术手段，进行模型构建，以便更精确、更及时地检测出交通道路上异常状况的发生。

不同社区的摄像头拍摄的视频数据形成了数据孤岛，或者同一社区内，不同区域的摄像头数据形成了数据孤岛。搭建了针对视频数据“可用不可见”的，面向隐私保护的个性化视频内容异常行为协同检测系统，打破“数据孤岛”。

车辆产生数据庞大且涉及隐私。利用隐私保护技术构建模型，分析当前车辆数据、驾驶人员数据、人车交互数据以及环境数据，预测行驶安全程度，予以驾驶人员警示。

在保护（位置）隐私的前提下，基于联邦聚类算法确定公交停靠点，为园区内不同公司的所有上班族定制公交。（1）基于同态加密技术，将位置信息加密后上传服务器，服务器进行聚类划分等计算，确定公交站点。（2）基于差分隐私技术，将位置信息加噪，在中央服务器的协调下进行联邦聚类，确定公交站点。

在可信车路协同的构建中，需要保护用户的隐私，同时保证用户发送的信息是可靠的，并且鼓励用户积极参与信息发送。上层聚合签名信息发送，下层用区块链激励机制。

该成果的意义重大，主要有三个方面：