[論文レビュー] Infinite Choices of Data Aggregations with Linear Number of Keys.

Taeho Jung, Xiang‐Yang Li|arXiv (Cornell University)|Aug 28, 2013

Privacy-Preserving Technologies in Data参考文献 23被引用数 1

ひとこと要約

この論文は、n人の参加者からなる任意のサブセットが、θ(n)の鍵のみを用いて、1回の通信ラウンドで正確な合計値および積を計算できるプライバシー保護型データ集約プロトコルを提案する。従来の手法とは異なり、信頼できる第三者やセキュアチャネルを必要とせず、盗聴攻撃に対しても耐性があり、O(n)ラウンドを要する代替手法と比較して通信複雑性を著しく低減する。

ABSTRACT

Privacy-preserving data aggregation has long been a hot research issue. It is becoming increasingly important due to the widespread data collection for various analysis purposes. In this paper, we present a novel arithmetic protocol which computes sum and product of n individuals’ input values without disclosing them, which is in turn used to develop an efficient accurate model to aggregate the data in a privacy-preserving manner. Unlike other approaches, our model initiates from an environment without secure communication channel but is robust to the eavesdrop attacks, and it does not rely on a trusted third party either. After the keys are prepared, only 1 communication round is needed to conduct each aggregation while some approaches require O(n) rounds. Notably, we allow any subset of n participants to privately conduct accurate data aggregation with only θ(n) keys while similar works let every participant generate and hold θ(2) keys or more.

研究の動機と目的

• 信頼できる第三者やセキュアな通信チャネルが存在しない環境における、効率的かつプライバシー保護型のデータ集約の課題を解決すること。
• 従来のプロトコルがしばしばO(n)ラウンドの相互作用を要するのに対し、通信複雑性を低減すること。
• 参加者1人あたりの鍵の数を最小限に抑え、従来の研究で見られるθ(2)以上の鍵ではなく、θ(n)の鍵で十分であるようにすること。
• 合計値および積といった特定のデータ値の正確な集約を実現しつつ、個々の入力のプライバシーを保持すること。

提案手法

• このプロトコルは、入力自体を露呈させることなくn人の個人の入力の和および積を計算するための新規な算術プロトコルを用いる。
• セキュアな通信チャネルが存在しない環境で動作するため、盗聴攻撃に対して耐性がある。
• 参加者1人あたりθ(n)の鍵のみを用いることができる鍵準備フェーズに依存している。
• 集約処理ごとに1回の通信ラウンドで十分であり、複数ラウンドを要するプロトコルと比較して相互作用のオーバーヘッドを著しく低減する。
• 集約関数の数学的性質と鍵の分配戦略を活用することで、正しさとプライバシーを保証する。
• 参加者全員の参加や中央集権的な調整を必要とせず、n人の参加者の中の任意のサブセットが独立して集約を実行可能である。

実験結果

リサーチクエスチョン

• RQ1 参加者1人あたり線形の鍵数で十分な状況で、正確かつプライバシー保護型のデータ集約が可能か？
• RQ2 信頼できる第三者やセキュアな通信チャネルが存在しない環境でも、プライバシーがどのように保たれるか？
• RQ3 正確性とセキュリティを維持したまま、通信ラウンド数を1ラウンドにまで削減可能か？
• RQ4 和および積のプライベート集約を実現するための参加者1人あたりの最小限の鍵要件は何か？
• RQ5 従来のアプローチと比較して、通信効率および鍵管理の面でどのようにスケーリングするか？

主な発見

• 参加者1人あたりθ(n)の鍵のみを用いることで、従来のθ(2)以上の鍵を要する研究と比較して、鍵のオーバーヘッドを著しく低減した。
• 集約処理ごとに1回の通信ラウンドで十分であり、O(n)ラウンドから定数ラウンドの複雑性にまで通信複雑性を低減した。
• 盗聴攻撃に対して耐性があり、セキュアな通信チャネルを必要としない。
• 信頼できる第三者を必要とせず、分散化と信頼最小化を強化する。
• 参加者全員の参加を要せず、任意のサブセットが独立して集約を実行可能であり、柔軟性とスケーラビリティを向上させる。
• 集約処理中に個々の入力が隠されたままに保たれるため、強力なプライバシー保証を維持する。