科研速递 | 黄建伟教授团队在2022年计算机科学旗舰会议ACM SIGMETRICS上发表文章

近日，黄建伟教授团队在计算机科学旗舰会议ACM SIGMETRICS/IFIP PERFORMANCE Joint International Conference on Measurement and Modeling of Computer System上发表了题为“Age-dependent differential privacy”的文章。

一

期刊介绍

ACM SIGMETRICS创办于1973年，至今已经有近50年的历史。它是ACM计算机系统测量和建模学会举办的年度会议，是计算机科学领域的顶级学术会议之一。该会议旨在促进性能分析技术的研究以及已知方法和工具的先进与创新应用，平均录取率仅为15%左右。

二

研究背景

新兴实时智能物联网应用需要实时海量数据更新，例如无人驾驶系统中每辆无人驾驶汽车需要实时更新周围车辆与环境信息及实时高精度地图信息，虚拟现实和元宇宙应用中需要实时全景图像或视频内容信息。在这些应用中，实时信息的效用（即其利用价值）会随着时间的增长而递减。网络中的数据传输的时延与堵塞会影响接收端数据实时性，这不仅严重影响了用户体验，而且会危害系统与用户个人安全。因此，信息年龄(Age of Information)成为一种重要的新兴度量，用于描述接收端掌握的有关数据源状态的信息的时效性，即信息新鲜度。

本文考虑这样一个问题：信息新鲜度是否也会影响数据隐私呢？这主要是考虑到数据时效性不仅影响信息的效用本身，同时也影响了相对隐私攻击者(adversary)而言的有效信息。另一方面，实时智能网络应用的高效运作需要频繁的、实时的、海量的、隐私敏感的、具有时序相关性的个体数据，例如上述涉及的智能交通系统中自动驾驶系统，共享出行中地图服务的实时地理位置数据，以及元宇宙应用中的实时社交与视频数据。潜在的隐私攻击者会根据发布的实时信息或基于实时数据的机器学习和数据分析结果以推断有关用户的个人敏感信息，因而严重侵害用户隐私。另外，相对于静态数据，频繁、实时、海量及时序相关性等特性将会让实时数据驱动的实时智能网络应用遭受更加严重的数据泄露。

国内外研究者针对差分隐私中的加噪算法的设计、动态数据库隐私分析、数据统计分析等问题展开了广泛研究，取得了一些研究结果。然而，现有的研究结果无法针对实时数据提供有效保护：现有的差分隐私保护机制忽略了实时数据中的时间维度统计相关性及信息新鲜度对隐私风险影响，这不仅无法解决在实时数据的时序相关性额外产生的隐私泄露的问题，而且往往需要加入过量的噪声从而严重影响数据的效用或者精度。

三

研究内容

本文面向实时网络应用信息新鲜度与隐私保护需求，围绕着如何保护用户（数据提供者）的实时数据隐私，如何实现数据效用与数据隐私的最优权衡，等一系列问题展开研究。

图1  基于信息新鲜度的差分隐私技术框架

四

研究结果

本文得到以下结论：对于任意一个满足差分隐私的算法，那么它同时也满足基于信息新鲜度的差分隐私，其中其隐私风险满足

其中为传统差分隐私风险，为最大全变差距离（详情见[1]）。这个结果首先建立了经典差分隐私理论和基于信息新鲜度差分隐私理论之间的联系；它意味着对于任何时序数据，其最大全变差距离是我们表征时所需要提炼的唯一统计特征。其次，这项结果展示了一种新型的实时数据隐私保护技术——数据老化，即使用“适当旧的数据”，并表征其隐私保护的效果。最后，结合传统加噪技术与数据老化技术，本文设计一种基于信息新鲜度的差分隐私技术框架。仿真结果表明，在特定的场景中，与传统的纯加噪技术相比较，在取得相同隐私保障的条件下，加噪与老化技术的结合可以取得无上界的数据效用增益。

五

作者简介

第一作者：张萌教授

张萌博士是浙江大学伊利诺伊大学厄巴纳香槟校区联合学院的助理教授。其主要研究方向包括无线与计算机网络，智能网络优化，边缘智能及分布式机器学习，具体还包括多实时通信与计算，实时数据隐私保护，及网络与数据经济学等。张萌博士于2019年毕业于香港中文大学信息工程系获得博士学位，2015年于华南理工大学取得本科学位。博士毕业后的两年就职于美国西北大学电气工程与计算机工程系从事博士后研究工作。在其博士期间，他曾访问普林斯顿大学。张萌博士于2021年获IEEE/IFIP WiOpt最佳论文奖。他在无线网络相关领域中顶级期刊和国际会议的评审中担任审稿人，其中包括IEEE/ACM ToN, IEEE TMC, IEEE JSAC, IEEE TWC, IEEE INFOCOM, WiOpt等。

第二作者：Ermin Wei教授

Ermin Wei是西北大学电气工程与计算机科学系和工业工程与管理科学系的助理教授。她的研究兴趣是对网络系统的控制和运行，重点是智能电网和能源网络的市场分析。她的研究还包括大规模分布式优化算法和理论，重点是非线性凸优化、网络优化、异步算法及其应用。

第三作者：Randall A. Berry教授

Randall A. Berry教授是美国西北大学电气和计算机工程系主任和教授。Berry教授的研究涵盖了从通信网络到社会网络等网络系统中出现的资源分配问题。Berry教授目前感兴趣的具体课题包括为无线网络开发分布式资源分配技术，动态频谱共享和无线频谱政策，了解激励机制在网络安全中的作用，以及为社会网络中的学习和采用建模。

通讯作者：黄建伟教授

黄建伟教授现任香港中文大学（深圳）校长讲座教授，理工学院副院长，兼任深圳市人工智能与机器人研究院副院长和群体智能研究中心主任。他是深圳市鹏城特聘教授，IEEE Fellow，IEEE通信学会杰出讲者，汤森路透计算机科学领域全球高被引科学家。

黄教授长期专注于网络通信、网络经济学和群体智能交叉领域的开创性研究，其特色是通过融入经济学理论给出网络中资源分配和优化的解决方案。他已发表7部学术专著和300余篇国际一流期刊和会议论文，被谷歌学术引用超过14890 次，H-index为 61，9篇论文入选ESI高引论文，1篇文章入选ESI热点论文。他的论文10次获得国际会议和期刊的最佳论文奖，连续于2016、2017年入围科睿唯安（原汤森路透）全球高被引科学家榜（即发表的ESI高引论文数在计算机领域排名全球前1%），2021年入选斯坦福大学评选的“世界前2%顶尖科学家”，2022年入选爱思唯尔“中国高被引学者”。

黄建伟教授长期活跃于IEEE通信学会，现任IEEE Transactions on Network Science and Engineering（JCR Q1）的主编（Editor-in-Chief）。曾先后担任IEEE Open Journal of the Communications Society的副主编（Associate Editor-in-Chief），IEEE Communications Society Technology News 副主编（Associate Editor-in-Chief）。

               END

点击以下链接，进入理工时刻：