[論文レビュー] EsPRESSo: Efficient Privacy-Preserving Evaluation of Sample Set Similarity

Carlo Blundo, Emiliano De Cristofaro+1 more|arXiv (Cornell University)|Nov 21, 2011

Machine Learning in Healthcare被引用数 4

ひとこと要約

この論文は、2人の当事者のプライベートなサンプル集合間のジャカード類似度を効率的かつプライベートに計算または近似するための新しい暗号プロトコルであるEsPRESSoを紹介する。MinHash技術とプライベートセットインターセクション基数（PSI-CA）を活用することで、プライバシーを保ちつつ低複雑性でセット類似度を安全に評価でき、サイズ隠匿性を達成する。これは、従来の手法に比べて大幅に効率性に優れている。

ABSTRACT

Electronic information is increasingly often shared among entities without complete mutual trust. To address related security and privacy issues, a few cryptographic techniques have emerged that support privacy-preserving information sharing and retrieval. One interesting open problem in this context involves two parties that need to assess the similarity of their datasets, but are reluctant to disclose their actual content. This paper presents an efficient and provably-secure construction supporting the privacy-preserving evaluation of sample set similarity, where similarity is measured as the Jaccard index. We present two protocols: the first securely computes the (Jaccard) similarity of two sets, and the second approximates it, using MinHash techniques, with lower complexities. We show that our novel protocols are attractive in many compelling applications, including document/multimedia similarity, biometric authentication, and genetic tests. In the process, we demonstrate that our constructions are appreciably more efficient than prior work.

研究の動機と目的

• 2人の当事者が、実際の内容を漏らさずに、自身のプライベートなデータセット間の類似度をプライベートに評価する課題に対処すること。
• 暗号的プリミティブを用いて、正確なジャカード類似度インデックスを計算する、証明可能に安全で効率的なプロトコルを設計すること。
• 入力セットを圧縮するためにMinHashを用いることで、計算および通信のオーバーヘッドを低減する近似プロトコルを開発すること。
• サイズ隠匿性を達成し、プロトコル実行中に入力セットのサイズが漏洩しないようにすること。
• 文書類似度、バイオメトリクスマッチング、ゲノム解析などのプライバシーに配慮した応用分野への実用的導入を可能にすること。

提案手法

• プロトコルは、2つのプライベートな集合の共通要素のサイズを安全に計算するために、プライベートセットインターセクション基数（PSI-CA）をコアな暗号的プリミティブとして使用する。
• 正確な類似度計算のため、PSI-CAによって得られるプライベートな共通要素と和集合の基数から、ジャカードインデックスが導出される。
• 効率性を向上させるために、プロトコルは多値ハッシュを用いたMinHashを適用し、各入力セットをサイズ$k$の定数サイズのスケッチに圧縮する。これにより、元のセットの統計的性質が保持される。
• 近似プロトコルでは、MinHashスケッチの共通要素をPSI-CAで計算し、ジャカードインデックスを$\delta \cdot (v + w)/(1 + \delta)$として推定する。ここで$\delta$はスケッチの共通要素のサイズである。
• プロトコルは、$k$を実際の入力セットサイズとは独立した公開パrameterとして使用することで、サイズ隠匿性を確保する。これにより、集合の基数が漏洩するのを防ぐ。
• セキュリティモデルは、類似度測定値または（正確な場合に限り）集合のサイズ以外の、プライベートな集合に関する情報が漏洩しないことを保証する。

実験結果

リサーチクエスチョン

• RQ1 2人の相互に信頼できない当事者が、いかにしてプライベートなサンプル集合間のジャカード類似度を、プライベートデータを漏らさずに安全に計算できるか？
• RQ2 証明可能に安全で、精度が制限された状態を保ちながら、プライベート類似度評価の効率を大幅に向上させることは可能か？
• RQ3 MinHash技術を安全計算プロトコルに統合することで、通信量と計算コストをどの程度低減できるか？
• RQ4 特に類似度評価の文脈において、プライベートセット操作におけるサイズ隠匿性を達成することは可能か？ これにより、入力セットの基数が漏洩するのを防げるか？
• RQ5 近似技術をプライバシー保護型類似度評価に用いる際の実用的影響とパフォーマンスのトレードオフは何か？

主な発見

• 提案されたプロトコルは、正確および近似の両方の類似度評価において証明可能なセキュリティを達成し、意図された出力以外のプライベートデータが漏洩しないことを保証する。
• MinHashの使用により、入力サイズが定数$k$にまで圧縮され、線形時間計算量$O(k)$が達成される。これは、完全なセットを処理するのと比べて顕著に効率的である。
• 近似プロトコルは$O(1/\sqrt{k})$の有界誤差を導入するが、多くの実世界の応用において許容可能な範囲である。
• プロトコルはサイズ隠匿性を達成しており、両当事者は相手の入力セットのサイズを学習しない。これは、従来のPSI-CAプロトコルでは必ずしも提供されない、重要なプライバシー特性である。
• プロトコルは汎用的であり、文書類似度、バイオメトリクス認証、マルチメディアファイル比較、ゲノムデータ解析など、多様な分野に適用可能である。
• 論文では実験的評価が提供されていないが、著者らは入力サイズが$|A|$および$|B|$から$k$にまで削減されるため、パフォーマンス向上は顕著であると主張している。また、プロトコルは既存のPSI-CAプロトコルと本質的に同じだが、入力がはるかに小さくなったことから、著しく効率的である。