[論文レビュー] An Effective Clustering Approach to Web Query Log Anonymization

Amin Milani Fard, Ke Wang|arXiv (Cornell University)|Dec 3, 2010

Privacy-Preserving Technologies in Data参考文献 17被引用数 3

ひとこと要約

本論文は、クエリを非構造的取引データとしてモデル化し、クラスタリングと一般化を用いてk匿名性を実現する、画期的なクラスタリングベースの手法を提案する。AOLクエリログを用いた実験では、プライバシーを保持しつつ、最先端の手法よりも高いデータユーティリティを達成した。

ABSTRACT

Web query log data contain information useful to research; however, release of such data can re-identify the search engine users issuing the queries. These privacy concerns go far beyond removing explicitly identifying information such as name and address, since non-identifying personal data can be combined with publicly available information to pinpoint to an individual. In this work we model web query logs as unstructured transaction data and present a novel transaction anonymization technique based on clustering and generalization techniques to achieve the k-anonymity privacy. We conduct extensive experiments on the AOL query log data. Our results show that this method results in a higher data utility compared to the state of-the-art transaction anonymization methods.

研究の動機と目的

• 個人を特定可能な識別子が存在しない場合でも、ウェブクエリログの公開がユーザーの再識別を引き起こす可能性があるというプライバシーリスクに対処すること。
• プライバシーを確保するが同時にデータユーティリティが著しく低下する既存の匿名化手法の限界を克服すること。
• クエリログをクラスタリングおよび一般化することでk匿名性を達成し、意味のあるパターンを保持する手法を開発すること。
• 提案手法を実世界のクエリログデータに対して評価し、既存のアプローチと比較してそのユーティリティを検証すること。

提案手法

• 著者らは、ウェブクエリログを非構造的取引データとしてモデル化し、各クエリをキーワードの取引とみなす。
• キーワードの被覆度と意味的類似度に基づいて、類似したクエリをグループ化するクラスタリングアルゴリズムを適用する。
• 各クラスタ内で、特定の語を広義のカテゴリーやワイルドカードに置き換えるなどの技術を用いてクエリを一般化する。
• 各クラスタに少なくともk個のクエリが含まれるようにすることで、k匿名性を強制する。
• 情報損失を最小限に抑えるために、一般化を意図的に適用する。
• アプローチはAOLクエリログデータセットを用いて評価され、ユーティリティとプライバシーを比較する指標が用いられた。

実験結果

リサーチクエスチョン

• RQ1 クラスタリングベースの一般化技術は、データユーティリティを保持しつつ、ウェブクエリログを効果的に匿名化できるか？
• RQ2 本手法は、既存の取引匿名化手法と比較して、k匿名性とデータユーティリティの両面で優れているか？
• RQ3 研究目的に必要な意味のあるパターンを失うことなく、クエリログをどの程度一般化できるか？
• RQ4 異なるクラスタリング戦略が、プライバシーとユーティリティのバランスにどのような影響を与えるか？

主な発見

• 提案されたクラスタリングベースの匿名化手法は、AOLクエリログデータセットにおいて、最先端の取引匿名化手法よりも高いデータユーティリティを達成した。
• 各クラスタに少なくともk個のクエリが含まれるようにすることで、本手法はk匿名性を効果的に実現した。
• クラスタ内での一般化が効率的に行われ、ログ内の意味的・構造的情報の損失が最小限に抑えられた。
• 本手法は意味のあるクエリパターンを維持しており、研究目的での匿名化ログの継続的利用を可能にした。
• 実験結果から、同じプライバシー制約下でも、本手法は既存手法よりもデータユーティリティをより効果的に保持していることが示された。
• 多様で複雑なクエリパターンを有する大規模な実世界のクエリログに対しても、本手法は有効であることが確認された。