[論文レビュー] An Improved Approach to High Level Privacy Preserving Itemset Mining

Rajesh Kumar Boora, Ruchi Shukla+1 more|arXiv (Cornell University)|Jan 13, 2010

Privacy-Preserving Technologies in Data参考文献 16被引用数 10

ひとこと要約

本稿では、偽の取引挿入とトランザクションごとのアイテムランダム化を組み合わせた、高レベルのアイテムセットマイニングにおけるプライバシーを向上させる強化された取引ランダム化技術を提案する。アイテムをランダム化関数で置き換え、合成された取引を挿入することで、プライバシーを強化するとともに、正確な頻度の高いアイテムセットおよび関連規則マイニングが可能な反単調性を維持する。

ABSTRACT

Privacy preserving association rule mining has triggered the development of many privacy preserving data mining techniques. A large fraction of them use randomized data distortion techniques to mask the data for preserving. This paper proposes a new transaction randomization method which is a combination of the fake transaction randomization method and a new per transaction randomization method. This method distorts the items within each transaction and ensures a higher level of data privacy in comparison to the previous approaches. The pertransaction randomization method involves a randomization function to replace the item by a random number guarantying privacy within the transaction also. A tool has also been developed to implement the proposed approach to mine frequent itemsets and association rules from the data guaranteeing the antimonotonic property.

研究の動機と目的

• 関連規則マイニング中にプライバシーを保護するための、従来のランダム化データ変形技術の限界を解消すること。
• 従来の手法がトランザクション内のアイテムレベルのプライバシーを保護できないという脆弱性を克服すること。
• 摂動を加えたデータ上で正しい頻度の高いアイテムセットおよび関連規則マイニングが可能となるように、反単調性を維持すること。
• 提案されたプライバシー保護型マイニング手法を実装・評価するための実用的ツールの開発。
• マイニングされたパターンの有用性を著しく損なわせることなく、より高いレベルのプライバシーを達成すること。

提案手法

• 偽の取引挿入とトランザクションごとのアイテムランダム化を組み合わせたハイブリッド取引ランダム化手法を導入する。
• 各取引内の個々のアイテムをランダム化関数でランダムな数に置き換えることで、アイテムレベルの情報を隠蔽する。
• 敵対者がパターンを再構築するのをさらに妨げるために、合成（偽）の取引をデータセットに挿入する。
• ランダム化されたデータが反単調性を維持することを保証し、有効な頻度の高いアイテムセットマイニングを可能にする。
• 摂動を加えたデータを処理し、頻度の高いアイテムセットおよび関連規則を抽出するツールを実装する。
• アイテムから番号へのマッピングが予測不能になるように、制御されたランダム化関数を用いる。

実験結果

リサーチクエスチョン

• RQ1 関連規則マイニング中に、個々の取引内でのアイテムレベルのプライバシーはどのようにして強化できるか？
• RQ2 偽の取引挿入とトランザクションごとのアイテムランダム化を組み合わせることで、従来の手法に比べてどの程度プライバシーが向上するか？
• RQ3 提案されたランダム化手法を適用した後でも、反単調性は維持できるか？
• RQ4 提案手法は、感度の高いアイテムセットを保護しつつ、マイニングされた関連規則の正確性を維持できるか？
• RQ5 実装されたツールの実用的妥当性と実世界のデータシナリオにおける性能はいかがなものか？

主な発見

• 提案手法は、先行するランダム化データ変形技術に比べて、より高いレベルのプライバシーを達成している。
• 偽の取引とトランザクションごとのアイテムランダム化の統合により、敵対者がパターンを再構築するのを効果的に妨げている。
• 摂動を加えたデータにおいても反単調性が維持されており、正しい頻度の高いアイテムセットマイニングが可能である。
• 開発されたツールは、ランダム化されたデータセットから頻度の高いアイテムセットおよび関連規則を正常に抽出できた。
• ランダムマッピング関数により、取引内のアイテムレベルの情報が保護されていることが保証されている。
• ツールによる実験的結果から、マイニングの正確性に著しい損失を伴わせることなく、プライバシーが向上していることが示された。