基于同态Hash的WSN数据融合隐私保护算法：HPDA

本文探讨的是"轻量级的数据融合隐私保护算法"，该算法针对无线传感器网络(WSN)中的数据隐私问题提出了创新解决方案。传统上，WSN中的数据可能面临机密性、完整性和新鲜性攻击，这不仅威胁到数据的安全性，也可能增加系统的通信负担。为解决这些问题，研究者们设计了一种名为HPDA（Homomorphic Privacy-Preserving Data Aggregation）的算法。 HPDA算法的核心在于利用同态加密技术。同态加密允许数据在加密状态下进行运算，这样即使数据被安全地融合，其机密性仍能得到保障。这意味着，即使在不暴露原始数据的情况下，网络中的节点能够进行必要的计算和处理，从而完成数据融合任务。 此外，HPDA算法还引入了同态Hash函数，用于对融合后的数据进行完整性检查和新鲜性验证。通过这种方式，可以确保融合后的数据没有被篡改或过期，进一步增强了数据的可信度。 在通信效率方面，算法通过改进的标识符传输机制，有效地减少了系统的通信开销。这在传感器网络中尤为重要，因为每个节点可能频繁地与其他节点交互，降低通信成本可以显著提高整个系统的运行效率。 实验结果显示，HPDA算法在保证数据隐私的同时，实现了高效的数据融合过程，能够在保护数据隐私和通信效率之间找到一个理想的平衡。这对于在无线传感器网络中广泛应用数据融合技术，尤其是在对隐私敏感的应用场景中，具有重要意义。 本文的研究人员来自南京邮电大学，包括陈燕俐教授、傅春福硕士研究生（通信作者）、许建副教授和杨庚教授，他们的研究领域涵盖了云计算、信息安全、隐私保护等多个重要领域。他们共同为WSN数据融合的隐私保护提供了一个创新且实用的解决方案，对推动无线传感器网络技术的发展和应用有着积极的影响。文章发表于2014年，被多个学术期刊收录，并获得了国家973计划、国家自然科学基金和江苏省自然科学基金等项目的资助。