信息论隐私通过混沌同步和最优加性噪声
摘要：通过添加由同步混沌振荡器生成的随机向量，我们研究了最大化数据集隐私的问题。特别是，我们考虑了通过公共（不安全）通信渠道将关于数据集的查询信息发送到远程站点的设置。为了隐藏数据集中的私密特征（特定条目），我们通过添加随机向量来破坏对查询的响应。我们通过公共渠道发送扭曲的查询（所请求查询和随机向量的总和）。附加随机向量的分布旨在最小化数据集的私密条目与扭曲的查询之间的互信息（我们的隐私度量）。我们将该分布的合成表示为附加随机向量的概率的凸规划问题。一旦我们获得了最佳分布，我们提出了一种使用混沌振荡器的轨迹从该分布中生成伪随机实现的算法。在通道的另一端，我们有第二个混沌振荡器，我们使用它从相同的分布中生成实现。注意，如果我们在通道的两端获得相同的实现，我们可以简单地从扭曲的查询中减去实现来恢复所请求的查询。为了生成相等的实现，我们需要使这两个混沌振荡器同步，即在时间上同步地在通道的两端产生完全相同的轨迹。我们使用驱动信号强制这两个混沌振荡器进行指数同步。通过模拟来说明我们的结果。
作者：Carlos Murguia, Iman Shames, Farhad Farokhi, Dragan Nesic
论文ID：1906.00577
分类：Systems and Control
分类简称：cs.SY
提交时间：2019-07-17