[論文レビュー] On the anonymizability of mobile traffic datasets

Marco Gramaglia, Marco Fiore|arXiv (Cornell University)|Dec 31, 2014

Privacy-Preserving Technologies in Data参考文献 8被引用数 5

ひとこと要約

本稿では、モバイルトラフィックデータセットのkアンナライズ可能성을評価するための新規測度を導入し、特に時間的・空間的距離の長尾分布が、アンナライズ可能性の低さを引き起こす要因であることが明らかになった。高水準の軌跡一意性にもかかわらず、8時間の粗い時間的集約に対しても、アンナライズ化は失敗しており、一般化が困難な時間的パターンが継続的に存在するためである。

ABSTRACT

Preserving user privacy is paramount when it comes to publicly disclosed datasets that contain fine-grained data about large populations. The problem is especially critical in the case of mobile traffic datasets collected by cellular operators, as they feature elevate subscriber trajectory uniqueness and they are resistant to anonymization through spatiotemporal generalization. In this work, we investigate the $k$-anonymizability of trajectories in two large-scale mobile traffic datasets, by means of a novel dedicated measure. Our results are in agreement with those of previous analyses, however they also provide additional insights on the reasons behind the poor anonimizability of mobile traffic datasets. As such, our study is a step forward in the direction of a more robust dataset anonymization.

研究の動機と目的

• 高水準の軌跡一意性を示すにもかかわらず、空間的・時間的一般化によるアンナライズ化がなぜ抵抗を示すのかを、空間的・時間的性質の観点から調査すること。
• このようなデータセットにおける個々のユーザー指紋のアンナライズの本質的難易度を捉える定量的測度を構築すること。
• 大規模モバイルデータセットにおけるアンナライズ可能性の低さの背後にある構造的性質（特に時間的多様性）を同定すること。
• 新しい指紋ベースの測度を用いて、2つの実世界のモバイルトラフィックデータセット（d4d-civ および d4d-sen）におけるアンナライズ可能性を評価すること。
• 現在のアンナライズ技術の限界を明らかにし、よりプライバシーに配慮したデータセット設計を支援する知見を提供すること。

提案手法

• 空間的・時間的空間におけるユーザー軌跡間のペアワイズ距離を用いた指紋ベースのアンナライズ可能性測度を提案する。
• 分布の分散と尾部挙動を定量化するため、ジニ係数とテールウェイトインデックス（TWI）を計算する。
• 空間的（w_sδ_s）、時間的（w_tδ_t）、および全体的（w_sδ_s + w_tδ_t）成分におけるユーザー指紋距離のTWIを適用する。
• 分布の正規化と比較を可能にするために、逆CDF変換（F^(-1) および Φ^(-1)）を用いる。
• 都市レベルおよび8時間の時間ボックスを含む、空間的および時間的集約のさまざまなレベルにおけるアンナライズ可能性を分析する。
• 2つの大規模モバイルデータセット（d4d-civ および d4d-sen）間のアンナライズ可能性測度を比較し、結果の一貫性を評価する。

実験結果

リサーチクエスチョン

• RQ1 空間的・時間的一般化の下で、モバイルトラフィックデータセットはどの程度k匿名性を達成できるのか。その制限要因は何か。
• RQ2 ユーザー指紋の構造的性質（空間的または時間的）の中で、アンナライズ化を妨げる要因として最も顕著なものは何か。
• RQ3 特に時間的次元におけるユーザー間距離の分布が、アンナライズ可能性にどのように影響を与えるか。
• RQ4 1つのデータセットで観察されたアンナライズ可能性の課題は、類似した特性を有する他のデータセットに対しても一般化可能か。
• RQ5 単なる一意性を越えて、個々の軌跡のアンナライズ難易度を捉えることができる定量的測度を定義できるか。

主な発見

• d4d-civ および d4d-sen データセットは、都市レベルの空間的集約および8時間の時間的集約に対しても、2匿名性にすら達していない。これは、アンナライズ可能性が著しく低いことを示している。
• ユーザー指紋の時間的成分は、指数分布とパレート分布の中間のテールウェイトインデックス（TWI）を示す長尾分布を示しており、一般化が困難なサンプルが顕著に存在することが判明した。
• 時間的距離のジニ係数は約0.5に集中しており、時間的指紋差の分散が高く、一様でないことを示している。
• 空間的距離は最小限の分散（ジニ係数 ~0）を示しており、空間的パターンはユーザー間で容易に一致することがわかるが、時間的パターンは依然として顕著に特徴的である。
• 全体的なアンナライズ可能性は、時間的成分に支配されており、粗い集約レベルでも一般化が効かない長尾分布のためである。
• ユーザー指紋に顕著な非一様な時間的差異を持つサンプルが存在するため、空間的パターンの平均的類似性が高いにもかかわらず、空間的・時間的一般化が匿名性を保証できないことが説明できる。