<  Back to the Polytechnique Montréal portal

Differentially Private Event Stream Filtering with an Application to Traffic Estimation

Meisam Mohammady

Master's thesis (2015)

Open Access document in PolyPublie
[img]
Preview
Open Access to the full text of this document
Terms of Use: All rights reserved
Download (1MB)
Show abstract
Hide abstract

Abstract

Many large-scale systems such as intelligent transportation systems, smart grids or smart buildingsrequire individuals to contribute their private data streams in order to amass, store, manipulate andanalyze information for signal processing and decision-making purposes. In a typical scenario,swarms of sensors produce discrete-valued input signals that describe the occurrence of events involvingthese users and several statistics of interest need to be continuously published in real-time.This can however engender a privacy loss for the users in exchange of the utility provided by theapplication. This thesis considers the problem of providing dierential privacy guarantees for suchmulti-input multi-output systems operating continuously. In particular, we consider the privacy issuesin a system theoretic context, and address the problem of releasing filtered signals that respectthe privacy of users who activate the sensors. As a result of this thesis we present a new architecturefor privacy preserving estimation of trac flows. We also introduce dierentially private monitoringand forecasting occupancy in a building equipped with a dense network of motion detection sensors, which is useful for example to control its HVAC system.

Résumé

Beaucoup de systèmes à grande échelle tels que les systèmes de transport intelligents, les réseaux intelligents ou les bâtiments intelligents requièrent que des individus contribuent leurs flux de donnéesprivées afin d'amasser, stocker, manipuler et analyser les informations pour le traitement du signal et à des fins de prise de décision. Dans un scénario typique, un essaim de capteurs produit des signaux d'entrée à valeurs discrètes décrivant l'occurrence d'événements relatifs à ces individus. En conséquence, des statistiques utiles doivent être publiées continuellement et en temps réel. Cependant, cela peut engendrer une perte de confidentialité pour les utilisateurs. Cette thèse considère le problème de fournir des garanties de confidentialité différentielle pour ces systèmes multi-sorties multi-entrées fonctionnant en continu. En particulier, nous considérons la question deconfidentialité dans le contexte de la théorie des systèmes et nous étudions le problème de génération de signaux qui respectent la confidentialité des utilisateurs qui activent les capteurs. Nous présentons une nouvelle architecture d'estimation des flux de trafic préservant la confidentialité des conducteurs. Nous introduisons aussi une surveillance différentiellement confidentielle d'occupation dans un bâtiment équipé d'un dense réseau de capteurs de détection de mouvement, qui serautile par exemple pour commander le système HVAC.
Department: Department of Electrical Engineering
Program: génie électrique
Academic/Research Directors: Jérôme Le Ny
PolyPublie URL: https://publications.polymtl.ca/1739/
Institution: École Polytechnique de Montréal
Date Deposited: 05 Nov 2015 11:26
Last Modified: 08 Nov 2022 15:01
Cite in APA 7: Mohammady, M. (2015). Differentially Private Event Stream Filtering with an Application to Traffic Estimation [Master's thesis, École Polytechnique de Montréal]. PolyPublie. https://publications.polymtl.ca/1739/

Statistics

Total downloads

Downloads per month in the last year

Origin of downloads

Repository Staff Only

View Item View Item