适用于360°视频流传输的隐私保护多智能体比特率分配算法

《Computer Networks》：Privacy-Preserving Multi-Agent Bitrate Allocation for 360° Video Streaming

提出基于多智能体深度强化学习（MADRL）与局部差分隐私（LDP）的360度视频流媒体比特率分配方法，解决多用户QoE公平性与隐私泄露问题。通过在用户端对状态特征添加类型化噪声，满足LDP定义并保护用户敏感信息，同时结合MADRL实现跨用户QoE公平优化。理论分析与实验验证了方法在隐私与性能间的平衡效果。

　　

刘世佳|王勇|梁阳帆|刘宇明|陈俊琦|何倩

中国广西桂林电子科技大学计算机科学与信息安全学院，以及中国广西云网融合与数据安全工程研究中心

摘要

在基于瓦片的360°视频流传输中，为瓦片选择合适的比特率可以显著节省带宽资源，从而提高用户体验（QoE）。然而，大多数现有的比特率分配方法都是为了优化单个用户的QoE而设计的。在实际应用场景中，通常需要同时优化多个用户的QoE，并确保它们之间的公平性。当我们使用多智能体深度强化学习（MADRL）并结合集中训练与分散执行（CTDE）框架进行训练时，不同用户上传到服务器的状态需要被集中获取，如果这些状态被攻击者获取，就可能会受到推理攻击，从而导致用户敏感信息的泄露。因此，保护用户敏感信息的隐私已成为一个亟待解决的问题。为了解决上述挑战，本文提出了一种360°视频流传输中的比特率分配方法。该方法将MADRL与局部差分隐私（LDP）相结合，在考虑保护用户敏感信息隐私的同时对多用户环境进行建模。我们针对所提出环境的状态特征设计了一种隐私保护机制，该机制满足LDP的定义。该方法根据状态中的不同特征（如用户行为特征，如视口位置）在用户端添加噪声，从而防止攻击者访问敏感信息。同时，它还减少了噪声扰动对性能的影响。在此基础上，我们结合MADRL来计算多个用户之间的协作比特率分配策略，以确保QoE的公平性。最后，我们对隐私保护的有效性进行了理论分析，并提供了一种计算360°视频流传输中隐私预算的方法。此外，通过大量实验，我们确定了一个既能平衡性能（以QoE公平性衡量）又能保护隐私的满意隐私预算。与没有隐私保护的最先进方法相比，我们的方法在保护用户隐私的同时，也能为更大的用户群体实现可接受的QoE公平性。

章节摘录

引言

随着元宇宙和物联网（IoT）技术的快速发展[1]，360°视频的应用出现了新的可能性和挑战。物联网实现了各种设备之间的无缝通信和数据共享，为360°视频的传输和处理提供了强大的支持。与此同时，全球主要的视频服务提供商正在各种平台上积极向用户提供360°视频服务，进一步推动了360°视频的发展。

相关工作

在本节中，我们首先概述了360°视频流传输中QoE公平性的当前研究现状。随后，我们回顾了多智能体强化学习中差分隐私的主要理论和应用研究。最后，我们总结了360°视频流传输隐私保护领域的现有研究工作。

系统模型

我们考虑了一个典型的自适应360°视频流传输系统。整体框架如图1所示。在动态带宽环境中，多个客户端通过报告它们的本地播放器状态、网络指标、视口特征和其他相关信息与服务器进行交互。隐私保护机制将根据状态的独特属性对状态的每个维度应用适当的LDP噪声，确保其符合LDP的定义。随后，所有客户端

系统设计

在本节中，我们首先介绍了基于MADRL的比特率分配策略的设计和实现方法，以确保QoE的公平性。接着，我们根据状态的特征设计了一种适当的LDP隐私保护机制，旨在保护用户的敏感信息。此外，我们对在这种情况下应用LDP的有效性进行了理论分析。

实验分析

在本节中，我们设计了一系列实验来验证之前的理论分析，从而明确了本工作的贡献[53]。我们在公开可用的网络轨迹和头部运动轨迹数据集上进行了广泛的实验，以确定一个满意的隐私预算ε，该预算能够在多用户360°视频流传输环境中平衡性能和隐私保护能力。之后，我们对这一

结论

在本文中，我们解决了在使用MADRL进行集中训练以确保360°视频流传输的QoE公平性时，用户敏感信息容易被窃取导致的隐私泄露问题。我们提出了一种基于MADRL和LDP的比特率分配方法，该方法可以在保护用户隐私的同时保持QoE的公平性。首先，我们在360°视频流传输中利用MADRL来解决多用户比特率分配问题，从而确保QoE的公平性。随后，我们设计了一种

未引用的参考文献

[35]

CRediT作者贡献声明

刘世佳：撰写——原始草稿、软件、方法论。王勇：验证。梁阳帆：验证。刘宇明：撰写——审阅与编辑。陈俊琦：撰写——审阅与编辑。何倩：验证。

利益冲突声明

作者声明他们没有已知的可能影响本文工作的竞争性财务利益或个人关系。