Kerangka Teori Permainan untuk Berbagi Data Privat di Jaringan Kendaraan

Arsitektur hibrida berbasis Stackelberg untuk pasar data kendaraan yang menjaga privasi

Yousef AlSaqabi; Yinan Zhou; Faisal Nawab; Bhaskar Krishnamachari· 2026· DOI 10.48550/arXiv.2606.22115

Masalah inti

Sistem pengumpulan data kendaraan terdesentralisasi menghadapi ketegangan mendasar: meskipun data sensor teragregasi dapat mendukung layanan bernilai, kendaraan individu berisiko terpapar privasinya. Penulis mengatasi hal ini dengan memperkenalkan arsitektur hibrida yang memisahkan pasokan data, pemrosesan, dan konsumsi. Kerangka ini terdiri dari empat entitas utama: kendaraan yang menghasilkan data sensor, server independen yang menjalankan secure multiparty computation (SMPC), node koordinator yang mengatur aliran data, dan konsumen data yang memberikan insentif ekonomi. Jaminan privasi utamanya adalah hanya konsumen data yang dapat mengakses data teragregasi penuh, tidak pernah data mentah individual. Desain ini secara signifikan mengurangi risiko privasi sekaligus memungkinkan pasar data yang fungsional. Karya ini mengintegrasikan kompetisi Stackelberg dari teori permainan untuk memodelkan interaksi strategis antara kendaraan (pengikut) dan konsumen data (pemimpin), sehingga kendaraan dapat membuat keputusan partisipasi berdasarkan risiko privasi yang dipersepsikan dan insentif yang ditawarkan.

Penulis mengevaluasi kerangka ini menggunakan data lokasi kendaraan dunia nyata. Mereka mengkuantifikasi risiko privasi dengan mengukur akurasi serangan rekonstruksi jalur ketika penyerang memiliki akses ke sebagian data yang dibagikan. Temuan utamanya meliputi: - Agregasi berbasis SMPC secara efektif mencegah paparan data individual, karena penyerang tidak dapat merekonstruksi jalur hanya dari keluaran teragregasi. - Mekanisme insentif Stackelberg berhasil mendorong partisipasi sekaligus menjaga privasi: ketika risiko privasi meningkat, kendaraan menuntut insentif yang lebih tinggi, dan konsumen menyesuaikan pembayaran. - Simulasi menunjukkan bahwa kerangka ini mendukung pasar data yang aktif, dengan ekuilibrium stabil di mana jumlah kendaraan yang berpartisipasi mencukupi. - Trade-off privasi-utilitas dapat disetel melalui struktur insentif: pembayaran yang lebih tinggi menghasilkan lebih banyak berbagi data tetapi juga biaya privasi yang lebih tinggi bagi kendaraan. Eksperimen menunjukkan bahwa sistem yang diusulkan tangguh dalam menjaga privasi sekaligus memungkinkan berbagi data yang menguntungkan. Penulis juga mengeksplorasi dinamika partisipasi kendaraan pada berbagai sens

Sistem pengumpulan data kendaraan terdesentralisasi menghadapi ketegangan mendasar: meskipun data sensor teragregasi dapat mendukung layanan bernilai, kendaraan individu berisiko terpapar privasinya. Penulis mengatasi hal ini dengan memperkenalkan arsitektur hibrida yang memisahkan pasokan data, pemrosesan, dan konsumsi. Kerangka ini terdiri dari empat entitas utama: kendaraan yang menghasilkan data sensor, server independen yang menjalankan secure multiparty computation (SMPC), node koordinator yang mengatur aliran data, dan konsumen data yang memberikan insentif ekonomi. Jaminan privasi utamanya adalah hanya konsumen data yang dapat mengakses data teragregasi penuh, tidak pernah data mentah individual. Desain ini secara signifikan mengurangi risiko privasi sekaligus memungkinkan pasar data yang fungsional. Karya ini mengintegrasikan kompetisi Stackelberg dari teori permainan untuk memodelkan interaksi strategis antara kendaraan (pengikut) dan konsumen data (pemimpin), sehingga kendaraan dapat membuat keputusan partisipasi berdasarkan risiko privasi yang dipersepsikan dan insentif yang ditawarkan.

Kerangka yang diusulkan dibangun di atas arsitektur hibrida yang menggabungkan pengumpulan data terdesentralisasi dengan komputasi aman. Komponen utamanya adalah:

Kontribusi utama makalah ini adalah integrasi teori permainan dengan komputasi yang menjaga privasi untuk menciptakan pasar praktis bagi data kendaraan. Model Stackelberg menangkap peran asimetris konsumen data dan kendaraan, memberikan representasi insentif yang realistis. Penggunaan SMPC memastikan bahwa privasi bukan sekadar kebijakan tetapi jaminan kriptografis. Namun, kerangka ini mengasumsikan bahwa kendaraan dapat menilai risiko privasi mereka secara akurat, yang mungkin tidak berlaku dalam praktik. Selain itu, node koordinator merupakan potensi titik tunggal kegagalan atau kepercayaan; pekerjaan selanjutnya dapat mendesentralisasi peran ini. Penulis juga mencatat bahwa fungsi nilai V (\cdot) diasumsikan diketahui, tetapi dalam pasar nyata hal itu mungkin tidak pasti. Terlepas dari keterbatasan ini, validasi empiris dengan data dunia nyata memperkuat relevansi praktisnya. Kerangka ini sejalan dengan tren yang lebih luas dalam teknologi peningkat privasi dan pasar data terdesentralisasi, menawarkan cetak biru untuk sistem serupa di domain lain seperti IoT dan kota pintar.

Praktisi dan peneliti ilmu komputer

Membuka konten member…