[論文レビュー] Holistic Collaborative Privacy Framework for Users' Privacy in Social Recommender Service

Ahmed M. Elmisery, Seungmin Rho+1 more|arXiv (Cornell University)|Jan 1, 2014

Privacy-Preserving Technologies in Data参考文献 18被引用数 1

ひとこと要約

本論文は、ユーザーが自身の機密的な好みを第三者の推薦サービスで完全に制御できるようにする包括的で共同的なプライバシー枠組みを提案する。このフレームワークでは、生データをユーザーのデバイス上に保持することで実現される。ピアツーピアの中間層（EMCP）内での二段階の隠蔽処理により、OECDのプライバシー原則に準拠したプライバシー保護を実現するとともに、トポロジカルなデータ集約とP3P/APPELポリシーの適用によって推薦精度を維持する。

ABSTRACT

The current business model for existing recommender services is centered around the availability of users' personal data at their side whereas consumers have to trust that the recommender service providers will not use their data in a malicious way. With the increasing number of cases for privacy breaches, different countries and corporations have issued privacy laws and regulations to define the best practices for the protection of personal information. The data protection directive 95/46/EC and the privacy principles established by the Organization for Economic Cooperation and Development (OECD) are examples of such regulation frameworks. In this paper, we assert that utilizing third-party recommender services to generate accurate referrals are feasible, while preserving the privacy of the users' sensitive information which will be residing on a clear form only on his/her own device. As a result, each user who benefits from the third-party recommender service will have absolute control over what to release from his/her own preferences. We proposed a collaborative privacy middleware that executes a two stage concealment process within a distributed data collection protocol in order to attain this claim. Additionally, the proposed solution complies with one of the common privacy regulation frameworks for fair information practice in a natural and functional way -which is OECD privacy principles. The approach presented in this paper is easily integrated into the current business model as it is implemented using a middleware that runs at the end-users side and utilizes the social nature of content distribution services to implement a topological data collection protocol.

研究の動機と目的

• 第三者のレコメンデーションサービスにおけるプライバシーに関するユーザーの懸念を解消すること。
• 生の情報を暴露せずに、ユーザーが機密的な好みデータを完全に制御できるようにすること。
• スケーラブルで、コンプライアンスを満たし、正確な共同プライバシー枠組みを、ソーシャルコンテンツ推薦の文脈で開発すること。
• 既存のサービス指向アーキテクチャに最小限の干渉でプライバシー保護メカニズムを統合すること。
• 国際的なプライバシー基準（OECDプライバシー原則、P3Pなど）と整合性を保つこと。

提案手法

• ユーザーのプライバシーを管理するクライアントサイドのミドルウェアとして、EMCP（Enhanced Middleware for Collaborative Privacy）を設計する。
• 送信前に機密的な好みデータを隠蔽するための二段階の隠蔽プロセスを実装する。
• 評価に基づくスーパーピア選出を用いてピアグループを編成し、データ集約を実現する。
• P3PポリシーとAPPEL好みを用いて、ユーザーのプライバシー制約を動的に符号化・適用する。
• ピア間およびレコメンデーションサービスとのデータ交換において匿名性を確保するため、Torネットワークを活用する。
• 性能と正確性の評価のため、実世界のデータセット（Jester, Movielens）と統合する。

実験結果

リサーチクエスチョン

• RQ1 第三者のソーシャルレコメンデーションシステムにおいて、推薦精度を損なわずにユーザーのプライバシーを保護できるか？
• RQ2 共同フィルタリングの利点を享受しつつ、ユーザーが個人データを完全に制御できるか？
• RQ3 二段階の隠蔽プロセスは、分散型データ収集におけるプライバシー漏洩をどの程度低減できるか？
• RQ4 ピアツーピアでミドルウェアベースのアーキテクチャは、スケーラブルかつコンプライアンスを満たす形でプライバシーポリシーを効果的に強制できるか？
• RQ5 P3PとAPPEL標準の統合は、共同フィルタリングにおけるポリシーの表現力と強制の精度をどのように向上させるか？

主な発見

• 提案されたフレームワークは、プライバシー保護型のデータ隠蔽が施されても高い推薦精度を維持しており、標準的な共同フィルタリングと比較して劣化が最小限に抑えられている。
• 二段階の隠蔽プロセスは、生のユーザー好みの露出を効果的に低減するとともに、推薦生成に必要な有用性を保持している。
• 評価に基づくスーパーピアとトポロジカルなデータ収集の組み合わせにより、プライバシー保護とシステムのレジilエンスが向上している。
• P3PとAPPELの統合により、レコメンデーションサービスの変更なしに、細かく制御された動的プライバシーポリシーの適用が可能になった。
• フレームワークはOECDプライバシー原則に準拠しており、国際的なデータ保護基準にも適合している。
• MovielensおよびJesterデータセットを用いた性能評価から、プライバシー強化が推薦品質に顕著な影響を及ぼさないことが確認された。