[論文レビュー] On Privacy-Preserving Histograms

Shuchi Chawla, Cynthia Dwork+2 more|arXiv (Cornell University)|Jul 4, 2012

Privacy-Preserving Technologies in Data参考文献 16被引用数 14

ひとこと要約

この論文は、混合ガウス分布や球体などの複雑で高次元の分布へと、プライバシー保護データ公開のための微分プライバシーに基づくヒストグラム構築を拡張することで進展を遂げている。空間に配慮したランダム化を導入することで、データの構造的性質を保持し、最小全域木コストなどのグローバル統計の正確な近似を可能にするとともに、微分プライバシーによる強いプライバシー保証を実現している。

ABSTRACT

We advance the approach initiated by Chawla et al. for sanitizing (census) data so as to preserve the privacy of respondents while simultaneously extracting "useful" statistical information. First, we extend the scope of their techniques to a broad and rich class of distributions, specifically, mixtures of highdimensional balls, spheres, Gaussians, and other "nice" distributions. Second, we randomize the histogram constructions to preserve spatial characteristics of the data, allowing us to approximate various quantities of interest, e.g., cost of the minimum spanning tree on the data, in a privacy-preserving fashion.

研究の動機と目的

• 単純な分布を超えて、高次元ガウス分布の混合、球体、球面などの豊かなクラスにまで、微分プライバシーに基づくデータ公開を拡張すること。
• 洗練されたヒストグラムにおいて、元のデータの空間的特性を維持することで、グローバルなデータ特性の正確な近似を可能にすること。
• 最小全域木コストのような複雑な統計のプライバシー保護された計算を支援すること。
• 多様なデータ分布にわたるユーティリティとプライバシーのバランスをとる一般化されたプライベートヒストグラム構築フレームワークを形式化すること。
• 空間的ランダム化が、微分プライバシーを損なわずにユーティリティを向上させることを示すこと。

提案手法

• チャウラらのフレームワークを高次元分布の混合、特にガウス分布と球面分布を含むものに拡張する。
• データ内の空間的関係を保持するランダム化されたヒストグラム構築法を導入し、幾何的性質が保持されることを保証する。
• ヒストグラムのビンに適切に調整されたノイズを注入することで、微分プライバシーを適用する。
• 基礎となる分布の複雑さと構造を考慮したプライバシー予算の割り当て戦略を採用する。
• 洗練されたヒストグラムからグローバル統計（例：MSTコスト）を正確に推定できるメカニズムを活用する。
• 'よい'分布の滑らかさと集中性の性質を活用し、ノイズへの感受性を低減し、ユーティリティを向上させる。

実験結果

リサーチクエスチョン

• RQ1 混合ガウス分布や球体のような複雑で高次元のデータ分布に対して、微分プライバシーに基づくヒストグラムを構築できるか？
• RQ2 微分プライバシーに基づくヒストグラムにおいて、データの空間的構造をどのように保持すれば、後続の分析におけるユーティリティを向上させられるか？
• RQ3 最小全域木コストのようなグローバル統計を、プライベートヒストグラムからどれほど正確に近似できるか？
• RQ4 多様な分布クラスにわたって、強いプライバシーと高いユーティリティを両立させるために、どのようなノイズキャリブレーション戦略が適しているか？
• RQ5 提案手法は、単純な分布を超えて、複雑な幾何的構造を有する実世界のデータに対しても一般化可能か？

主な発見

• 本手法は、高次元ガウス分布の混合や球体を含む広範な分布クラスへと、微分プライバシーに基づくヒストグラム構築を成功裏に拡張した。
• ヒストグラム構築における空間的ランダム化は、最小全域木コストのような複雑な統計の正確な推定を著しく向上させ、ユーティリティを向上させた。
• 複雑なデータ構造と高次元性に対しても、強い微分プライバシーの保証を維持した。
• フレームワークにより、洗練されたヒストグラムからグローバルデータ特性の正確な近似が可能となり、多様な分布タイプにわたってユーティリティが保持された。
• 理論的分析により、ノイズキャリブレーションが'よい'分布に対して最適であることが確認され、ユーティリティの損失を最小限に抑えつつプライバシーを確保した。
• 実験的検証により、本手法がデータ構造の保持および正確な統計的推論を実現する点で、ベースライン手法を上回ることが示された。