[論文レビュー] A Noise Addition Scheme in Decision Tree for Privacy Preserving Data Mining

Mohammad Ali Kadampur, Durvasula V. L. N. Somayajulu|arXiv (Cornell University)|Jan 20, 2010

Privacy-Preserving Technologies in Data参考文献 14被引用数 27

ひとこと要約

本稿では、元のデータの意思決定木構造を分析した後、数値属性を摂動させることで、意思決定木ベースのデータマイニングにおけるプライバシーを保護するためのノイズ追加方式を提案する。この手法により、改ざん済みデータから得られる意思決定木が元のものと類似するよう保証され、第二当事者の分析に支障をきたさないまま個人のプライバシーが保護される。

ABSTRACT

Data mining deals with automatic extraction of previously unknown patterns from large amounts of data. Organizations all over the world handle large amounts of data and are dependent on mining gigantic data sets for expansion of their enterprises. These data sets typically contain sensitive individual information, which consequently get exposed to the other parties. Though we cannot deny the benefits of knowledge discovery that comes through data mining, we should also ensure that data privacy is maintained in the event of data mining. Privacy preserving data mining is a specialized activity in which the data privacy is ensured during data mining. Data privacy is as important as the extracted knowledge and efforts that guarantee data privacy during data mining are encouraged. In this paper we propose a strategy that protects the data privacy during decision tree analysis of data mining process. We propose to add specific noise to the numeric attributes after exploring the decision tree of the original data. The obfuscated data then is presented to the second party for decision tree analysis. The decision tree obtained on the original data and the obfuscated data are similar but by using our method the data proper is not revealed to the second party during the mining process and hence the privacy will be preserved.

研究の動機と目的

• 第三者とデータを共有する際の意思決定木マイニングにおけるプライバシー漏洩を解消すること。
• 数値属性に含まれる機微な個人情報がデータマイニングプロセス中に露呈しないようにすること。
• 元のデータと改ざん済みデータに基づく意思決定木の構造的類似性を維持すること。
• 信頼できる第三者を必要としない実用的なプライバシー保護型データマイニングの代替手法を提供すること。

提案手法

• まず、元のデータセットに基づいて意思決定木を構築し、その構造を分析する。
• 意思決定木の分割基準および属性の分布に基づいて、数値属性にノイズを追加する。
• ノイズは、全体の意思決定木構造を保ちつつ、個々のデータポイントを隠蔽するように調整される。
• 改ざん済みデータセットは第二当事者に共有され、プライバシーが保護された状態で意思決定木が構築される。
• ノイズを加えたデータから得られる意思決定木は、元のものと類似しており、分析の実用性が保たれる。
• 元の木の構造的インサイトを活用してノイズ追加を誘導することで、生データの露呈を回避する。

実験結果

リサーチクエスチョン

• RQ1 モデルの精度を著しく低下させることなく、意思決定木マイニングにおけるプライバシーをどのように保護できるか？
• RQ2 元のデータと改ざん済みデータに基づく意思決定木の構造的類似性を維持するためのノイズ追加戦略は何か？
• RQ3 第二当事者が生の機微な属性にアクセスせずに、改ざん済みデータに対して意味のあるデータマイニングを実施できるか？
• RQ4 提案手法が、データセット内の個々のレコードの再識別をどの程度防止できるか？
• RQ5 プライバシー保護に効果的でありつつ、意思決定木モデルの実用性を損なわないノイズ追加の方法は何か？

主な発見

• 改ざん済みデータに基づいて構築された意思決定木は、元のデータに基づく意思決定木と構造的に類似している。
• ノイズ追加方式により、数値属性に含まれる機微な個人情報の暴露が効果的に防止された。
• 第二当事者の後続分析に適した高い意思決定木の実用性が維持された。
• このアプローチにより、第二当事者に生データが露呈しないため、プライバシーが保護された。
• 元の意思決定木と改ざん済み意思決定木の類似性から、本手法がプライバシーと実用性のトレードオフを効果的に達成していることが確認された。
• データ共有が求められるが、プライバシーが制御された摂動によって保護される状況において、本手法は適用可能である。