[論文レビュー] Non-Interactive Differential Privacy: a Survey

David Leoni|arXiv (Cornell University)|May 11, 2012

Privacy-Preserving Technologies in Data参考文献 23被引用数 12

ひとこと要約

本調査は、インタラクティブなクエリアクセスなしで、現実世界のデータセットを公開する際の強力なプライバシー保証を維持する非インタラクティブ型の微分プライバシー技術をレビューしている。パーティショニング、次元削減、圧縮センシングといった手法を評価し、スパース、セット値、一般用途のクエリに対して微分プライバシーを効率的に適用できることを示しており、CENSUS や検索ログのような大規模データにおいて特に顕著な実用的価値を有する。

ABSTRACT

OpenData movement around the globe is demanding more access to information which lies locked in public or private servers. As recently reported by a McKinsey publication, this data has significant economic value, yet its release has potential to blatantly conflict with people privacy. Recent UK government inquires have shown concern from various parties about publication of anonymized databases, as there is concrete possibility of user identification by means of linkage attacks. Differential privacy stands out as a model that provides strong formal guarantees about the anonymity of the participants in a sanitized database. Only recent results demonstrated its applicability on real-life datasets, though. This paper covers such breakthrough discoveries, by reviewing applications of differential privacy for non-interactive publication of anonymized real-life datasets. Theory, utility and a data-aware comparison are discussed on a variety of principles and concrete applications.

研究の動機と目的

• インタラクティブなクエリアクセスなしで、現実のデータセットを公開する際の非インタラクティブ型微分プライバシーの実現可能性と実用的価値を評価すること。
• 多様なデータタイプに対応する形式的なプライバシー保証を提供しながら、データの実用的価値を維持する技術を同定・比較すること。
• CENSUS や検索ログ、空間データなどの実際のデータセットに対して、微分プライバシー機構のパフォーマンスを評価すること。
• 合成データベースやノイズを加えたデータベースの公開における、プライバシー、実用的価値、計算効率のトレードオフを検討すること。
• 微分プライバシーが強力な理論的保証と最近の実用的適用可能性を備えていることから、オープンデータイニシャチブへの導入を提唱すること。

提案手法

• データをグループ化するパーティショニングに基づく手法を用い、集計値にノイズを適用することで、ヒストограмの公開における微分プライバシーを確保する。
• ランダムプロジェクションを用いた次元削減により、高次元データを圧縮しつつ、プライバシーとクエリの実用的価値を維持する。
• 圧縮センシング技術を活用し、スパースなデータからノイズを加えたデータベースを低コストで再構築する。
• 元のデータ分布をモデル化し、適切に調整されたノイズを注入することで、合成データベースを生成するアルゴリズムを用いる。
• 元のタプルにノイズを加えることで、再識別を防ぐノイズを加えたデータベースの公開を実施し、特にセット値やブール型データに対して有効である。
• カウントクエリのエラーを最適化する目的で、ノイズののったデータキューブや $kd$-ツリーインデキングといったクエリ固有の機構を採用する。

実験結果

リサーチクエスチョン

• RQ1 インタラクティブなクエリアクセスなしで、非インタラクティブな設定において微分プライバシーを現実世界のデータセットに効果的に適用できるか？
• RQ2 スパース、セット値、空間データなどの多様なデータタイプにおいて、微分プライバシー機構の実用的価値と効率性の観点から、それらの違いは何か？
• RQ3 大規模データセットの非インタラクティブな公開において、プライバシー予算（$\epsilon$）とデータの実用的価値のトレードオフはどのようなものか？
• RQ4 合成データベースやノイズを加えたデータベースは、強力なプライバシー保証を確保しつつ、統計的性質をどの程度維持できるか？
• RQ5 検索ログの公開のような実用的応用において、$(\epsilon,\delta)$-微分プライバシーのような緩和型の定義は必要か？

主な発見

• CENSUS や検索ログのような実際のデータセットに対し、微分プライバシーは成功裏に適用可能であり、$kd$-ツリー や 圧縮センシングといった手法が、従来のアプローチよりも低いエラーを達成している。
• CENSUS データに対して $kd$-ツリー 法を適用した場合、階層的ツリー法よりも正確性と実用的価値に優れており、空間的およびカテゴリカルなクエリにおけるクエリエラーが改善された。
• 圧縮センシングにより、ノイズを加えたデータベースの再構築が $\tilde{O}(|D|)$ 時間で効率的に行えるようになり、大規模なスパースデータの公開に適している。
• MSNBC や STM データセットのようなセット値ブール型データに対しては、微分プライバシー機構が良好な実用的価値を達成しており、特に基本的なノイズを加えたデータキューブ手法と比較して顕著に優れている。
• 検索ログの事例では、ホンらは、最適化されたノイズ注入により、厳しいプライバシー制約下でも高い実用的価値を持つノイズを加えたデータベースを公開できることを示した。
• 圧縮とノイズを加える手法による合成データベース生成は、形式的なプライバシー保証を確保しつつ、データの実用的価値を維持しており、オープンデータ公開の有望な道筋を示している。