[論文レビュー] A Members First Approach to Enabling LinkedIn's Labor Market Insights at Scale

Ryan Rogers, Adrian Rivera Cardoso+6 more|arXiv (Cornell University)|Oct 27, 2020

Privacy-Preserving Technologies in Data参考文献 9被引用数 4

ひとこと要約

この論文は、COVID-19パンデミック期に、個人のプライバシーを保護しながら、行動可能な労働市場動向を公開するため、LinkedInのリーダーシップのインサイトスケーリングにメンバー中心のアプローチを提示している。微分プライバシーを用いて、国、地域、業界ごとの上位企業、職種、スキルを公開するため、UnkLapおよびUnkGumbelといった微分プライバシー保護アルゴリズムを活用しており、$(\varepsilon,\delta)$-微分プライバシーを$\varepsilon \leq 4.8$および$\delta = 10^{-10}$で満たしており、公的信頼性と実用性を両立させた。

ABSTRACT

We describe the privatization method used in reporting labor market insights from LinkedIn's Economic Graph, including the differentially private algorithms used to protect member's privacy. The reports show who are the top employers, as well as what are the top jobs and skills in a given country/region and industry. We hope this data will help governments and citizens track labor market trends during the COVID-19 pandemic while also protecting the privacy of our members.

研究の動機と目的

• COVID-19パンデミック期に、LinkedInの経済グラフから大規模かつプライバシー保護型の労働市場インサイトを提供すること。
• 個人メンバーを再識別できない形で集計された雇用動向を公開する際のプライバシー懸念に対処すること。
• 正式な微分プライバシー保証を用いて、上位企業、職種、スキルに関するレポートが正確かつプライベートであることを保証すること。
• 大規模で検証可能かつプライバシー保護型のシステムを導入することで、メンバーの信頼を維持し、公開データを提供すること。

提案手法

• 隣接するデータセットが最大で1件の採用イベントの差異を示す、イベントレベルの微分プライバシーを採用。
• UnkLap^Δ, dアルゴリズムを用い、ラプラスノイズを導入して、各企業、職種、スキルごとの採用件数をプライバシー保護する。
• Gumbelノイズを用いたUnkGumbel^k, dアルゴリズムを採用し、真の件数を明らかにせずに上位20件の結果をプライベートに選択・順位付けする。
• 統計的有意性を確保し、低件数エントリからの漏洩を防ぐために、ノイズが加えられた件数の最小閾値（例：約260）を設定。
• 微分プライバシー適用前に、スキルデータにTF-IDF前処理を施し、'Microsoft Word'などの共通語の支配を軽減。
• 採用データには3か月のウィンドウを適用し、分子および分母にラプラスノイズを適用することで、プライバシー保護型の比率を用いて割合を計算。

実験結果

リサーチクエスチョン

• RQ1 個人のLinkedInメンバーに対する強いプライバシー保証を確保しつつ、大規模な労働市場インサイトをスケーリングして公開するにはどうすればよいか？
• RQ2 データ利用性を損なわせることなく、上位企業、職種、スキルを公開するための微分プライバシー保護アルゴリズムとして、どのような手法が利用可能か？
• RQ3 複数のクエリ（例：企業、職種、スキル）にわたるプライバシー予算をどのように割り当てれば、エンドツーエンドの$(\varepsilon,\delta)$-微分プライバシーを維持できるか？
• RQ4 スキル頻度分析において、TF-IDFなどの前処理が微分プライバシー保証に与える影響は何か？
• RQ5 ヒストグラムの感度が制限のない状態である場合、どのようにして上位k選択をプライベートに行えるか？

主な発見

• 上位企業レポートは$(1.2, 10^{-10})$-微分プライバシーに準拠しており、再識別リスクが最小限に抑えられ、強力なプライバシー保護が確保されている。
• 上位職種レポートは$(4.8, 4 \times 10^{-10})$-微分プライバシーに準拠しており、ノイズのキャリブレーションを慎重に行うことで、プライバシー漏洩が制御されている。
• 上位スキルレポートでは、UnkGumbel^k, dアルゴリズムを用い、$\varepsilon = 0.1$、$\delta = 10^{-10}$、閾値は約260として、高い耐性を確保している。
• 95％以上のユーザーが、任意の3か月ウィンドウ内で最大で一度しか採用されていないため、ユーザー単位ではなくイベントレベルのプライバシーが適切である。
• 件数と比率の両方にラプラスノイズを適用することで、割合ベースの指標（例：採用シェア）に対しても微分プライバシーが保証されている。
• 前処理段階は微分プライバシーに準拠していないものの、最終的なスキル件数ヒストグラムはGumbelノイズによって保護されており、公開結果に対する強力なプライバシー保証が得られている。