[論文レビュー] Differential Privacy: An Estimation Theory-Based Method for Choosing Epsilon

Maurizio Naldi, Giuseppe D’Acquisto|arXiv (Cornell University)|Oct 4, 2015

Privacy-Preserving Technologies in Data被引用数 20

ひとこと要約

本稿では、差分プライバシーにおけるプライバシー・パラメータ 𝜖 を選択するための、推定理論に基づく新規手法を提案する。この手法は、直感的な統計的概念である信頼区間の幅（w）と信頼水準（p）に着目し、それらをラプラスノイズのスケールパラメータ 𝜆 と関連付ける。これにより、実務家は望ましい精度とプライバシーのトレードオフに基づいて 𝜖 を設定できる。主な結果として、与えられた真のカウント c に対して 𝜖 = −ln(1−p)/(w·c) という式が得られる。

ABSTRACT

Differential privacy is achieved by the introduction of Laplacian noise in the response to a query, establishing a precise trade-off between the level of differential privacy and the accuracy of the database response (via the amount of noise introduced). However, the amount of noise to add is typically defined through the scale parameter of the Laplace distribution, whose use may not be so intuitive. In this paper we propose to use two parameters instead, related to the notion of interval estimation, which provide a more intuitive picture of how precisely the true output of a counting query may be gauged from the noise-polluted one (hence, how much the individual's privacy is protected).

研究の動機と目的

• 差分プライバシーにおけるプライバシー・パラメータ 𝜖 の選択に、直感的な指針が不足している問題に対処すること。
• 直感的でないラプラススケールパラメータ 𝜆 の代わりに、信頼区間の幅（w）と信頼水準（p）という2つの解釈可能な統計的パラメータを導入すること。
• 実世界の精度とプライバシー要件を反映する、推定理論に基づいた原理的で整合性のある 𝜖 決定手法を提供すること。
• 実務家が推定誤差の許容範囲とノイズ付き応答の信頼性に基づいて 𝜖 を設定できるようにすること。

提案手法

• 本手法は、差分プライバシーを区間推定の観点から定式化し、真のカウント c が確率 p で区間 [ĉ−wc, ĉ+wc] 内に推定されることを想定する。
• ラプラスノイズの累積分布関数を用いて、信頼水準 p とノイズスケール 𝜆、相対的区間幅 w の関係式 p = 1 − e^(−𝜆wc) を導出する。
• その後、プライバシー・パラメータを 𝜖 = 𝜆 = −ln(1−p)/(w·c) として導出する。これにより、𝜖 が解釈可能な統計的パラメータに明示的に関連づけられる。
• このアプローチにより、ユーザーは任意の 𝜖 の値やヒューリスティックな値に依存するのではなく、望ましい精度（w）と信頼度（p）に基づいて 𝜖 を選択できる。
• 本手法は、等 𝜖 曲線と逆関数的依存関係のプロットを通じて検証されており、固定された w と p に対して、真のカウント c が増加するにつれて 𝜖 が小さくなる必要があることが示されている。

実験結果

リサーチクエスチョン

• RQ1 差分プライバシーのパラメータ 𝜖 を、統計的推定に根ざした直感的な方法でどのように選択できるか。
• RQ2 ラプラスノイズのスケールパラメータ 𝜆 と、信頼区間の幅や信頼水準といった解釈可能な統計的パラメータとの関係は何か。
• RQ3 必要なプライバシーの水準（すなわち、𝜖）は、カウントクエリの真の値にどのように依存するか。
• RQ4 区間推定を用いることで、精度とプライバシーの両方を反映する、原理的で整合性のある 𝜖 設定手法を定義できるか。

主な発見

• 本稿では、プライバシー・パラメータの閉形式の式を導出している：𝜖 = −ln(1−p)/(w·c)。これは、与えられた真のカウント c に対して、信頼水準 p と相対的区間幅 w に直接関連づけられる。
• 真のカウント c = 100 の場合、20% の信頼区間（w = 0.2）と80% の信頼水準（p = 0.8）を想定すると、𝜖 = 0.08 が得られ、この手法の具体的な応用例が示される。
• 本手法は、真のカウント c が増加するにつれて、同じ相対的推定精度を維持するためには 𝜖 を小さく（つまり、より多くのノイズを追加する）必要があることを示している。
• 𝜖 とパラメータ w および p の関係は逆関数的かつ非線形であり、より高いプライバシー（低い 𝜖）を達成するためには、w を大きくするか、p を高くする必要がある。
• 本手法は、0.1 や ln(2) といった任意の値やヒューリスティックな 𝜖 の選択に代わる、明確で解釈可能な代替手段を提供する。これは統計的推定理論に根ざしており、実用的で整合性のあるものである。