[論文レビュー] DPCube: Differentially Private Histogram Release through Multidimensional Partitioning

Yonghui Xiao, Li Xiong+2 more|arXiv (Cornell University)|Feb 24, 2012

Privacy-Preserving Technologies in Data参考文献 40被引用数 34

ひとこと要約

DPCubeは、多次元分割を用いた2段階のプライバシー保護付きヒストグラム公開手法を提案する。ベースラインのセルベース戦略と、v最適ヒストグラムを生成する革新的な2段階kdツリー手法を採用する。データに適応した分割によりノイズを最小限に抑え、線形クエリおよび分類やレコードリンケージなどの応用において、プライバシー予算が変化しても精度と頑健性に優れる。既存手法を上回る優れた実用性を達成する。

ABSTRACT

Differential privacy is a strong notion for protecting individual privacy in privacy preserving data analysis or publishing. In this paper, we study the problem of differentially private histogram release for random workloads. We study two multidimensional partitioning strategies including: 1) a baseline cell-based partitioning strategy for releasing an equi-width cell histogram, and 2) an innovative 2-phase kd-tree based partitioning strategy for releasing a v-optimal histogram. We formally analyze the utility of the released histograms and quantify the errors for answering linear queries such as counting queries. We formally characterize the property of the input data that will guarantee the optimality of the algorithm. Finally, we implement and experimentally evaluate several applications using the released histograms, including counting queries, classification, and blocking for record linkage and show the benefit of our approach.

研究の動機と目的

• ランダムワークロードに対する高い実用性を有する非インタラクティブなプライバシー保護付きヒストグラム公開の課題に対処すること。
• 微分プライバシー下で線形カウントクエリの誤差を最小限に抑える多次元分割戦略の設計。
• 一様性測度を組み込んだ2段階kdツリーアルゴリズムの開発により、境界付きのクエリ誤差を持つv最適ヒストグラムを生成すること。
• 分類やレコードリンケージブロッキングなどの実世界の応用において、公開されたヒストグラムの実用性を評価すること。
• データに適応した分割戦略が、ベースラインおよび既存手法と比較してプライバシーと実用性のトレードオフを改善することを示すこと。

提案手法

• ヒストグラム構築のため、データ空間を等幅セルに分割するベースラインのセルベース分割戦略を提案する。
• まずセルヒストグラムを構築し、その後一様性と分散に基づいて再帰的にセルを分割することでv最適性を達成する2段階kdツリーアルゴリズムを導入する。
• 各分割内での近似誤差を最小限に抑えるために、分割プロセス中に一様性測度を用いることでヒストグラムの正確性を向上させる。
• 微分プライバシーを適用する際、プライバシーパラメータαに応じてノイズを調整したクエリをプライベートインターフェース（例：PINQ）に発行する。
• 中間結果を再利用することで、kdツリー構築中にプライベートインターフェースへのクエリ数を削減し、効率性を向上させる単純なクエリ推定スキームを採用する。
• 中間結果の再利用により、プライベートインターフェースへのクエリ数を最小限に抑え、精度を損なわず効率を向上させる。

実験結果

リサーチクエスチョン

• RQ1 多次元分割戦略は、ランダムな線形ワークロードに対するプライバシー保護付きヒストグラムの実用性を向上させ得るか？
• RQ2 分割プロセスに一様性測度を組み込むことで、境界付きのクエリ誤差を持つv最適ヒストグラムが得られるか？
• RQ3 2段階kdツリー手法は、ベースラインのセルベース手法および階層的kdツリー手法と比較して、クエリ精度と頑健性において優れているか？
• RQ4 公開されたヒストグラムは、分類やレコードリンケージブロッキングなどの下流タスクを、より優れたプライバシーと実用性のトレードオフでサポートできるか？
• RQ5 プライバシー予算αおよびデータ次元数の変化が、ヒストグラム公開手法のパフォーマンスに与える影響は何か？

主な発見

• 2段階kdツリー手法により生成されたv最適ヒストグラムは、境界付きのクエリ誤差を達成し、滑らかに分布したデータに対してはベースラインのセルベース手法を著しく上回る実用性を示す。
• DPCubeヒストグラムを用いたID3分類器は、元のID3（76.9%）と同等の精度を達成し、プライベートインタラクティブID3分類器を上回る。これは、プライバシー予算の効率的使用によるものである。
• レコードリンケージブロッキングにおいて、DPCubeはプライバシー予算や次元数が変化しても一貫して約85%の削減比を維持し、階層的kdツリー手法を上回る。
• 属性数が増加するに従い、DPCubeは階層的kdツリー手法に比べ、データスパarsityに対してより高い頑健性を示す。後者は削減比の急激な低下を経験する。
• 2段階戦略により、中間結果の再利用によってプライベートインターフェースへのクエリ数が削減され、精度を損なわず効率が向上する。
• v最適分割によるノイズ割り当ての最適化のおかげで、分類およびブロッキングタスクにおいて、特に低プライバシー予算下で優れたパフォーマンスを発揮する。