《Computer Communications》：Towards the integration of Privacy-Preserving technologies in future mobile networking
编辑推荐：
隐私保护与数据交换框架在6G移动网络中的应用研究。提出基于split inference的隐私保护架构，平衡数据效用与隐私泄露风险，支持网络运营商与服务商间的安全协作分析。通过噪声添加和正则化损失优化隐私保护，实验验证在CelebA和LendingClub数据集上的性能与隐私有效性。
Vittorio Prodomo | Roberto González | Giancarlo Sperlì | Simon Pietro Romano
西班牙马德里卡洛斯三世大学
摘要
下一代移动网络旨在支持不同参与者之间的数据交换、处理和协作分析。这包括分布式机器学习解决方案，这些解决方案需要在网络中提供特定的支持，以确保数据交换的安全性和隐私保护，同时也要符合各国制定的严格法规。然而，主要挑战在于实现隐私意识强的数据共享，即在保持最低限度隐私的前提下，以屏蔽形式在两个实体之间共享数据。
在本文中，我们主张采用隐私保护架构和算法来进行数据共享，这对于下一代移动网络的各种用例是必要的。我们还提出了一些评估隐私保护解决方案的指标，并使用常见分布式机器学习任务的数据集对一些基线策略进行了基准测试。
引言
未来6G网络的成功将在很大程度上取决于能否提供新的服务并实现极高的个性化。这将（）提高所有目标用例的性能，因为操作是根据特定服务的需求量身定制的，同时（）确保整个系统的可持续性。
在拥有众多网络服务、多样化的基础设施提供商和服务提供商的复杂环境中，基于人工智能（AI）的网络自动化算法对于管理网络的动态行为至关重要。
未来的6G网络将需要更广泛地应用分析驱动的自动化解决方案，涉及终端用户和服务提供商等其他生态系统利益相关者，以优化网络运营。在这种情况下，主要挑战在于确保数据隐私和安全，原因有二：
- •
终端用户数据隐私。移动网络生成了大量数据，应用服务提供商可以利用这些数据进行各种分析。然而，这些网络组件必须满足生成原始数据的终端用户的隐私和匿名性要求。
- •
保密性。网络运营商和服务提供商在市场上提供类似的产品进行竞争，例如提供纯视频流服务的三重播放服务提供商。
与终端用户数据相关的一个例子是位置信息，这对于定制的边缘计算服务至关重要，但这类信息可能会泄露个人隐私，如家庭和工作地点或访问敏感场所的情况[1]。在网络运营商和服务提供商之间共享此类数据之前，必须对其进行匿名处理，并遵守欧洲的主要法规。对于后者来说，必须维护各利益相关者之间的隐私。
在本文中，我们提出了一个框架，用于不同网络利益相关者（即网络运营商和服务提供商）之间的保密数据交换。我们的解决方案基于“分割推理”（split inference）的概念，允许在信息泄露有限的情况下进行数据交换：也就是说，服务提供商可以进行一组定义明确的分析，几乎保持全部准确性，而其他非预期的分析则只能获得非常差的结果。
本文的结构如下：第2节介绍我们的隐私场景，第3节介绍我们的解决方案，第4节和第5节讨论我们在基准测试中使用的隐私指标，第6节对全文进行总结。
部分摘录
场景
针对保密性用例，我们定义了一个典型的场景，涉及网络运营商（NO）和服务提供商（SP）。网络运营商可以访问来自网络核心的大量数据，用于各种目的。服务提供商希望利用这些数据进行智能分析、数据挖掘以及盈利性推断（例如，以更好地定制用户体验）。
无论交换的数据是什么，我们都假设在传输过程中已经通过标准措施确保了数据的完整性和第三方数据的保密性。
算法的高层次概述
要实现第2节中描述的愿景，需要有效克服两个挑战，接下来将对此进行讨论。
隐私评估指标
为了提供一个可靠、可复制且准确的隐私保护方法有效性基准，需要找到合适的、无偏的指标来量化主要方面：数据效用和数据隐私。
使用的数据集和模型
为了评估我们框架的性能，我们选择了两个数据集。虽然这些数据集本身不是网络数据，但它们代表了可能在这些数据集之间交换的数据类型。为了模拟通过卷积神经网络收集复杂关系的任务，我们选择了CelebA面部属性数据集与ResNet50模型；为了模拟文本数据分析，我们使用了LendingClub数据集以及一个名为SimpleMLP的定制浅层网络。
结论
在本文中，我们讨论了未来移动网络中隐私保护架构的迫切需求，特别是在6G背景下。我们强调了安全的数据交换、处理和多方协作的重要性，例如网络运营商和服务提供商之间的协作。我们的解决方案利用了“分割推理”概念来确保数据隐私的同时保持数据效用。
通过使用正则化损失和添加噪声，我们在……之间取得了平衡
CRediT作者贡献声明
Vittorio Prodomo：撰写 – 审稿与编辑，撰写 – 原稿，软件开发，调查，形式化分析，数据整理，概念化。
Roberto González：撰写 – 审稿与编辑，撰写 – 原稿，监督，项目管理，方法论研究，资金获取，概念化。撰写 – 审稿与编辑，撰写 – 原稿，监督。
Simon Pietro Romano：撰写 – 审稿与编辑，撰写 – 原稿，监督。
利益冲突声明
作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：Roberto Gonzalez表示获得了欧盟委员会的财务支持；Vittorio Prodomo表示获得了西班牙政府数字化转型部的财务支持；Giancarlo Sperlì和Simon Pietro Romano没有已知的财务利益冲突。
致谢
马德里卡洛斯三世大学（UC3M）和NEC的研究工作得到了西班牙经济事务和数字化转型部的支持，这是UNICO 5G I+D计划的一部分，特别是6G-RIEMANN项目。此外，NEC的工作还得到了欧盟委员会通过Horizon Europe计划（授权协议编号：101168311）的部分资助。
