[論文レビュー] Augmented Rotation-Based Transformation for Privacy-Preserving Data Clustering

Dowon Hong, Aziz Mohaisen|arXiv (Cornell University)|Jun 10, 2010

Blind Source Separation Techniques参考文献 11被引用数 3

ひとこと要約

本稿では、プライバシー保護型データクラスタリング手法の向上を図るため、複数回の回転に基づく変換（MRBT）を拡張し、従来のクラスタリングにおけるデータユーティリティを保ちながら、事前知識を用いた独立成分分析（AK-ICA）攻撃に耐性を持つ、拡張型回転ベース変換（ARBT）を提案する。ARBTは変換の線形性を活用して、変換されたデータサブセット上でクラスタリングを可能にし、強固なプライバシー保護と実用性の両立を達成している。これは、独自のツールキットと計算負荷およびプライバシー指標に関する実証的評価によって検証されている。

ABSTRACT

Multiple rotation-based transformation (MRBT) was introduced recently for mitigating the apriori-knowledge independent component analysis (AK-ICA) attack on rotation-based transformation (RBT), which is used for privacy-preserving data clustering. MRBT is shown to mitigate the AK-ICA attack but at the expense of data utility by not enabling conventional clustering. In this paper, we extend the MRBT scheme and introduce an augmented rotation-based transformation (ARBT) scheme that utilizes linearity of transformation and that both mitigates the AK-ICA attack and enables conventional clustering on data subsets transformed using the MRBT. In order to demonstrate the computational feasibility aspect of ARBT along with RBT and MRBT, we develop a toolkit and use it to empirically compare the different schemes of privacy-preserving data clustering based on data transformation in terms of their overhead and privacy.

研究の動機と目的

• MRBTの限界を解決すること。MRBTはAK-ICA攻撃を軽減するが、従来のクラスタリングを無効化することでデータユーティリティを損なう。
• AK-ICA攻撃に耐性を持つ一方で、クラスタリングに必要なデータユーティリティを保持する変換方式の開発。
• 実装と実証的評価を通じて、提案手法の計算実行可能性を保証すること。
• ARBTが変換されたデータサブセット上でクラスタリングを実行可能であり、プライバシーを損なわないことを示すこと。

提案手法

• ARBTは、変換の線形性を活用することで、個々の変換済みデータサブセット上でクラスタリングを可能にする点でMRBTを拡張する。
• 本手法は、データに複数の回転行列を適用し、各サブセットに対して異なる回転行列を用いて変換を行う。
• 共通の変換フレームワークを採用することで、全体の構造がAK-ICA攻撃から保護される。
• 本方式により、従来のクラスタリングアルゴリズムを各変換済みサブセットに直接適用可能となり、ユーティリティが保持される。
• RBT、MRBT、ARBTの比較分析を目的として、独自のツールキットを開発した。
• パフォーマンス評価は、攻撃モデルから導出された指標を用いて、計算負荷とプライバシー強度に焦点を当てた。

実験結果

リサーチクエスチョン

• RQ1 AK-ICA攻撃に耐性を持つ一方で、従来のクラスタリングに適したデータユーティリティを保持する変換方式を設計可能か？
• RQ2 実用的展開において、ARBTの計算負荷はRBTおよびMRBTと比較してどの程度か？
• RQ3 ARBTは、変換されたデータサブセット上でクラスタリングを可能にする一方で、どの程度のプライバシーを維持できるか？
• RQ4 変換の線形性を活用することで、特定のデータセグメントに対してクラスタリングを実行可能となるが、その際、機密パターンが露呈されないか？
• RQ5 ARBTは、既存の手法と比較して、プライバシー保護とデータユーティリティの間で、どの程度の妥当なトレードオフを達成できるか？

主な発見

• ARBTはAK-ICA攻撃に対して効果的に耐性を示し、MRBTと同等の強いプライバシー保証を維持した。
• MRBTとは異なり、ARBTは変換済みデータサブセット上で従来のクラスタリングを実行可能であり、データユーティリティが保持された。
• ARBTの計算負荷はRBTおよびMRBTと同等であり、実用的な実行可能性が裏付けられた。
• 開発されたツールキットを用いた実証的評価により、ARBTがプライバシーとユーティリティの良好なバランスを達成することが確認された。
• ツールキットの結果から、ARBTはMRBTよりもユーティリティで優れており、同等またはより優れたプライバシー保護を維持していることが示された。
• 本研究は、変換の線形性が、セキュリティを損なわず変換済みデータ上でクラスタリングを可能にする鍵要因であることを確認した。