[論文レビュー] Exploring the Integration of Differential Privacy in Cybersecurity Analytics: Balancing Data Utility and Privacy in Threat Intelligence

Brahim Khalil Sedraoui, Abdelmadjid Benmachiche+2 more|arXiv (Cornell University)|Jan 1, 2026

Privacy-Preserving Technologies in Data被引用数 0

ひとこと要約

論文は脅威情報のプライバシー保護のためにサイバーセキュリティ分析に差分プライバシーを適用することを検討し、SIEMアプリケーションとepsilonによって制御される実用性とプライバシーのトレードオフを強調している。

ABSTRACT

To resolve the acute problem of privacy protection and guarantee that data can be used in the context of threat intelligence, this paper considers the implementation of Differential Privacy (DP) in cybersecurity analytics. DP, which is a sound mathematical framework, ensures privacy by adding a controlled noise to data outputs and thus avoids sensitive information disclosure even with auxiliary datasets. The use of DP in Security Information and Event Management (SIEM) systems is highlighted, and it can be seen that DP has the capability to protect event log and threat data analysis without interfering with the analytical efficiency. The utility versus privacy trade-offs linked to the maximization of the epsilon parameter, which is one of the critical components of DP mechanisms, is pointed out. The article shows the transformative power of DP in promoting safe sharing of data and joint threat intelligence through real-world systems and case studies. Finally, this paper makes DP one of the key strategies to improve privacy-preserving analytics in the field of cybersecurity.

研究の動機と目的

• Threat情報データ共有と分析におけるプライバシー保護の動機付け。
• 分析効率を損なうことなく、差分プライバシーをサイバーセキュリティ分析に組み込む方法を評価。
• SIEMシステムへの適用性と、安全なデータ共有・共同脅威情報の可能性を強調。

提案手法

• 出力にノイズを加える機構として差分プライバシーフレームワークを記述。
• DPがサイバーセキュリティ文脈におけるイベントログおよび脅威データ分析を保護する方法を論じる。
• 実用性–プライバシーのトレードオフにおけるプライバシーパラメータepsilonの役割を強調。
• DP対応の脅威情報共有を示す実世界のシステムとケーススタディをレビュー。
• サイバーセキュリティにおけるプライバシー保護型分析の主要戦略としてのDPを主張。

実験結果

リサーチクエスチョン

• RQ1 脅威情報における機微情報を保護するため、DPをどのようにサイバーセキュリティ分析に組み込むことができるか？
• RQ2 DP対応のサイバーセキュリティ分析におけるプライバシ予算（epsilon）を選択する際の実用性–プライバシーのトレードオフはどのようになるか？
• RQ3 SIEMシステムにおいて、プライバシーを保護しつつ分析効率をDPは維持できるか？

主な発見

• DPはSIEMシステムにおけるイベントログおよび脅威データ分析を分析効率に干渉せずに保護できる。
• epsilonパラメータを大きくすると実用性が向上する一方でプライバシー保護が低下し、明確な実用性–プライバシーのトレードオフを示す。
• DPは現実世界のシステムとケーススタディにおいてデータの安全な共有と共同脅威情報を支援する。
• DPはサイバーセキュリティにおけるプライバシー保護型分析への変革的アプローチとして提示されている。