[論文レビュー] Approximate Privacy: PARs for Set Problems

Joan Feigenbaum, Aaron D. Jaggard+1 more|arXiv (Cornell University)|Jan 19, 2010

Privacy-Preserving Technologies in Data参考文献 15被引用数 5

ひとこと要約

本稿は、プライバシー保護の妥当性を測る指標であるプライバシー近似比（PAR）を用いて、離別問題および共通要素問題を解く3つの自然なプロトコルについて、その分析を行う。プライバシーの度合いをPARで測定した結果、入力サイズkに対して、プライバシーの損失は本質的に指数関数的に増大することが示された。また、両当事者の間でプライバシー損失が均等に分配される点で、交互プロトコルが他のプロトコルよりも顕著に公平であることが特定された。

ABSTRACT

In previous work (arXiv:0910.5714), we introduced the Privacy Approximation Ratio (PAR) and used it to study the privacy of protocols for second-price Vickrey auctions and Yao's millionaires problem. Here, we study the PARs of multiple protocols for both the disjointness problem (in which two participants, each with a private subset of {1,...,k}, determine whether their sets are disjoint) and the intersection problem (in which the two participants, each with a private subset of {1,...,k}, determine the intersection of their private sets). We show that the privacy, as measured by the PAR, provided by any protocol for each of these problems is necessarily exponential (in k). We also consider the ratio between the subjective PARs with respect to each player in order to show that one protocol for each of these problems is significantly fairer than the others (in the sense that it has a similarly bad effect on the privacy of both players).

研究の動機と目的

• 離別および共通要素問題を解くセキュアな2当事者プロトコルにおけるプライバシー損失を、プライバシー近似比（PAR）フレームワークを用いて定量化すること。
• 各当事者が経験する主観的PARを比較することにより、異なるプロトコルの公平性を評価すること。
• これらの問題におけるプライバシーが本質的に制限されていることを確立し、PAR値が入力サイズkとともに指数関数的に増大することを示すこと。
• すべてのプロトコルが指数的プライバシー損失を示す中で、両当事者間で最もバランスの取れたプライバシー保護を提供するプロトコルを同定すること。

提案手法

• オークションおよびヨウの百万長者問題に最初に開発されたPARフレームワークを、離別および共通要素問題に適用する。
• 3つのプロトコル（自明、1回目優先、交互）について、両問題において客観的および主観的PARを計算する。
• 通信行列における単色長方形の組み合わせ的解析を用い、プロトコルによって誘導される長方形のサイズを理想の単色領域に対して測定する。
• kビット入力空間における長方形サイズの合計（v_kおよびh_k）の再帰的関係を導出し、平均ケースPARを計算する。
• 母関数および閉形式解（例：v_k = 6·5^{k-1}, h_k = 4·5^{k-1}）を用いて、正確なPAR値を計算する。
• 各当事者（プレイヤー1対プレイヤー2）に対する主観的PAR比を比較し、公平性を評価する。交互プロトコルでは比が1.5、他のプロトコルでは(3/2)^kとなる。

実験結果

リサーチクエスチョン

• RQ1 離別および共通要素問題を解くプロトコルにおける、最悪ケースおよび平均ケースのプライバシー近似比（PAR）は何か？
• RQ2 これらの問題において、入力サイズkとともにプライバシー損失（PARで測定）はどのようにスケーリングされるか？
• RQ3 検討された3つのプロトコルの中で、両当事者間で最もバランスの取れたプライバシー保護を提供するのはどれか？
• RQ4 各当事者に対する主観的PAR比は、セキュア計算における意味のある公平性指標として機能するか？
• RQ5 これらの問題における平均ケースPARに下界は存在するか？また、それらはkとともに指数関数的に増大するか？

主な発見

• 交差問題（Intersection_k）における自明プロトコルおよび1回目優先プロトコルの平均ケースPARは、一様分布に対して(3/2)^kである。
• 交差問題（Intersection_k）における交互プロトコルの平均ケースPARは、プレイヤー1に対しては(4/5)(5/4)^k、プレイヤー2に対しては(6/5)(5/4)^kである。
• 自明および1回目優先プロトコルでは、主観的PAR比（プレイヤー2対プレイヤー1）が(3/2)^kであるため、kが増加するにつれて不均衡が顕著になる。
• 交互プロトコルでは、主観的PAR比が正確に3/2であるため、他のプロトコルと比較して顕著に高い公平性を示す。
• すべてのプロトコルが平均ケースPARにおいて指数関数的増加を示すため、これらの問題におけるプライバシーが本質的に制限されていることが確認された。
• 本稿では、離別問題（Disjointness_k）および交差問題（Intersection_k）における平均ケースPARの下界がkに関して指数関数的に増大すると仮定しており、観察結果と整合的である。