Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Privacy Enhancing Data Reporting System For Participatory Sensing
KTH, Skolan för elektroteknik och datavetenskap (EECS).
2022 (engelsk)Independent thesis Advanced level (degree of Master (Two Years)), 20 poäng / 30 hpOppgave
Abstract [en]

Privacy is a crucial aspect of any system involving user-supplied data. There exist multiple approaches to protecting the identity and secrecy of users in data submission systems. In this thesis, I consider the case of privacy-enhancing of data reporting in Participatory Sensing systems. I conducted an extensive literature overview to explore privacy-oriented enhancements to data submission that are applicable in the PS systems. I designed a protocol for proximity-based data aggregation that utilizes Multi-party Secure Computations over Bluetooth Low Energy. Users are divided into groups that perform sub-aggregations and report results to central entities, protecting themselves from honest-but-curious adversary threats. I present a mobile app and web servers for central entities that follow the design of the protocol. I evaluated the achieved effectiveness and discuss the utility and privacy trade-offs. The implementation performs typically for an MPC system with high communication overhead, and is implemented over Bluetooth, with the additional time needed for discovering and connecting devices. The overall performance of the system suggests that deployments targeting 1-second intervals of data submission are feasible. Main use cases are sensitive measurements, such as medical data or highly private user information.

Abstract [sv]

Sekretess är en avgörande aspekt av alla system som involverar data som tillhandahålls av användare. Det finns flera tillvägagångssätt för att skydda användarnas identitet och sekretess i datainlämningssystem. I den här avhandlingen behandlar jag fallet med integritetsförbättrande datarapportering i Participatory Sensing-system. Jag genomförde en omfattande litteraturöversikt för att utforska integritetsorienterade förbättringar av datainlämning som är tillämpliga i PS-systemen. Jag designade ett protokoll för närhetsbaserad dataaggregering som använder flerpartssäkra beräkningar över Bluetooth Low Energy. Användare är indelade i grupper som utför sub-aggregeringar och rapporterar resultat till centrala enheter, och skyddar sig själva från ärliga men nyfikna motståndarhot. Jag presenterar en mobilapp och webbservrar för centrala enheter som följer protokollets design. Jag utvärderade den uppnådda effektiviteten och diskuterade nytta och sekretessavvägningar. Implementeringen fungerar som man kan förvänta sig för ett MPC-system med höga kommunikationskostnader, och implementeras över Bluetooth, med den extra tid som krävs för att upptäcka och ansluta enheter. Systemets övergripande prestanda tyder på att implementeringar som är inriktade på 1-sekunds intervaller för datainlämning är genomförbara. Huvudsakliga användningsfall är känsliga mätningar, såsom medicinska data eller mycket privat användarinformation.

sted, utgiver, år, opplag, sider
2022. , s. 56
Serie
TRITA-EECS-EX ; 2022:905
Emneord [en]
Participatory sensing, data aggregation, MPC, Bluetooth
Emneord [sv]
Participatory sensing, data aggregation, MPC, Bluetooth
HSV kategori
Identifikatorer
URN: urn:nbn:se:kth:diva-325108OAI: oai:DiVA.org:kth-325108DiVA, id: diva2:1746737
Veileder
Examiner
Tilgjengelig fra: 2023-03-30 Laget: 2023-03-29 Sist oppdatert: 2023-03-30bibliografisk kontrollert

Open Access i DiVA

fulltext(3051 kB)421 nedlastinger
Filinformasjon
Fil FULLTEXT01.pdfFilstørrelse 3051 kBChecksum SHA-512
ca89eb6b2364e6fc8fb7ab601643f623a3fa8e0435e7fe848aa83dde3903a83ac49914bc37bb3f7b5d8367e8a67663a801c1b7836f788d28a4b3cda1c8a5c15a
Type fulltextMimetype application/pdf

Av organisasjonen

Søk utenfor DiVA

GoogleGoogle Scholar
Totalt: 423 nedlastinger
Antall nedlastinger er summen av alle nedlastinger av alle fulltekster. Det kan for eksempel være tidligere versjoner som er ikke lenger tilgjengelige

urn-nbn

Altmetric

urn-nbn
Totalt: 518 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf