[論文レビュー] Classification and Evaluation the Privacy Preserving Data Mining Techniques by using a Data Modification-based Framework

Mohammad Reza Keyvanpour, Somayyeh Seifi Moradi|arXiv (Cornell University)|May 10, 2011

Privacy-Preserving Technologies in Data参考文献 21被引用数 23

ひとこと要約

本論文は、プライバシー保護型データマイニング（PPDM）技術を分類・評価するための、データ変更に基づくフレームワークを提案する。このフレームワークは、技術を変動化と匿名化のアプローチに分類し、8つの機能的基準を用いて体系的な比較を可能にし、重複する技術を特定するとともに、現代的なPPDM手法の同定を支援する。これにより、分野における正確な評価と発展のための構造的基盤が提供される。

ABSTRACT

In recent years, the data mining techniques have met a serious challenge due to the increased concerning and worries of the privacy, that is, protecting the privacy of the critical and sensitive data. Different techniques and algorithms have been already presented for Privacy Preserving data mining, which could be classified in three common approaches: Data modification approach, Data sanitization approach and Secure Multi-party Computation approach. This paper presents a Data modification- based Framework for classification and evaluation of the privacy preserving data mining techniques. Based on our framework the techniques are divided into two major groups, namely perturbation approach and anonymization approach. Also in proposed framework, eight functional criteria will be used to analyze and analogically assessment of the techniques in these two major groups. The proposed framework provides a good basis for more accurate comparison of the given techniques to privacy preserving data mining. In addition, this framework allows recognizing the overlapping amount for different approaches and identifying modern approaches in this field.

研究の動機と目的

• データマイニングにおけるプライバシー懸念の増大に応じ、PPDM技術を体系的に分類すること。
• データ変更に基づく構造的フレームワークを構築し、PPDM手法の評価を向上させ、正確性と比較可能性を高めること。
• PPDMにおける変動化と匿名化アプローチの間の機能的差異を明確にすること。
• PPDM技術間の重複する特徴を同定し、新たな現代的アプローチを特定すること。
• 今後の研究開発における標準化された基盤を提供すること。

提案手法

• フレームワークは、データ変更戦略に基づき、PPDM技術を変動化と匿名化の2つの主要グループに分類する。
• データの有用性、プライバシー保護、計算効率などの次元をカバーする、8つの機能的基準を定義し、技術の評価と比較に用いる。
• 定義された基準を用いた類似性評価を通じて、技術の強みと弱みを特定する評価プロセスを実施する。
• 特に変動化と匿名化アプローチの間の重複を特定するためのフレームワークの支援を提供する。
• 機能的基準との整合性を分析することで、現代的PPDM技術の認識を可能にする。
• 既存のPPDM手法を体系的に分析し、フレームワークを比較のレンズとして用いることで、手法の妥当性を検証する。

実験結果

リサーチクエスチョン

• RQ1 データ変更アプローチに基づいて、PPDM技術をどのように体系的に分類できるか？
• RQ2 PPDM技術のパフォーマンスとプライバシー保証を評価するうえで、最も効果的な機能的基準は何か？
• RQ3 既存のPPDM技術は、変動化と匿名化のカテゴリ間でどの程度重複しているか？
• RQ4 構造的評価フレームワークを用いて、出現したあるいは現代的なPPDM技術をどのように同定できるか？
• RQ5 統合されたフレームワークは、PPDM技術比較の正確性と一貫性を向上させることができるか？

主な発見

• 提案されたフレームワークは、データ変更戦略に基づき、PPDM技術を変動化と匿名化の2つの主要グループに成功して分類した。
• 8つの機能的基準は、PPDM技術の評価と比較のための包括的かつ体系的な基盤を提供する。
• 変動化と匿名化アプローチの間の重複が特定され、異なる技術間で共通する特徴が明らかになった。
• 機能的基準との整合性を分析することで、フレームワークは現代的PPDMアプローチの検出を可能にした。
• 評価プロセスは、任意的または非標準的な手法と比較して、技術の比較においてより高い正確性を示した。
• フレームワークは、今後の研究の基盤となるものであり、PPDM技術評価のための構造的かつ再現可能な手法を提供する。