基于云-边缘-客户端协同的安全且具有抗Dropout能力的三方聚类

《ACM Transactions on Internet Technology》：Secure and Dropout-Resilient Three-Party Clustering Based on Cloud-Edge-Client Collaboration

k-means聚类在资源受限设备部署面临隐私与网络波动问题，本文提出基于云-边-端协作架构的解决方案。通过向量空间秘密共享实现数据分布式加密存储，设计包含欧氏距离、比较、极值和划分四种核心协议的交互式聚类机制，可容忍单边缘节点失效和双节点篡改，在保障半诚实攻击者安全性的前提下，实验表明该方法在两个实际数据集上具有高效可靠特性。

　　

摘要

聚类算法作为数据分析的核心技术，可以从复杂数据中提取潜在的模式和规律。然而，在资源有限的设备上部署k-means聚类仍然是一个挑战。尽管云计算具有很大潜力，但将数据外包到远程云服务器会导致较高的延迟和隐私风险。此外，网络的状况和配置也会影响云服务的稳定性和速度，从而导致计算错误。因此，我们设计了一种基于云-边缘-客户端协作架构的安全且具有抗异常能力（dropout-resistant）的k-means聚类方案。在我们的方案中，云服务器在预处理阶段仅生成乘法运算结果，可以处于离线状态；在在线阶段，物联网设备会秘密地将原始传感数据共享给三个边缘服务器，然后这些边缘服务器进行交互式聚类处理。我们提出了四种基于向量空间秘密共享的基本协议，包括欧几里得距离协议、比较协议、最小值协议和除法协议。通过应用这些协议，我们构建了一种能够容忍一个边缘服务器退出或两个边缘服务器损坏的聚类方案。由于边缘服务器通常位于受信任的环境中，我们允许它们重新生成聚类结果，从而提供低延迟和高可靠性的服务。我们证明了这些基本协议和聚类方案能够抵御半诚实的攻击者。我们在两个真实的数据集上进行了实验，结果表明我们的方案效率较高，适用于实际应用。