[論文レビュー] Ontology-Based Quality Evaluation of Value Generalization Hierarchies for Data Anonymization

Vanessa Ayala-Rivera, Patrick McDonagh+2 more|arXiv (Cornell University)|Mar 5, 2015

Privacy-Preserving Technologies in Data参考文献 26被引用数 7

ひとこと要約

本稿では、意味的整合性と分類的構造を測定することで、データ匿名化における価値一般化階層（VGH）の品質を定量化的に評価するオントロジーに基づく手法を提案する。意味的類似度メトリクスと階層的重み付けを用いて合成されたVghGSLスコアを計算し、客観的な比較と不適切に定義されたVGHの特定を可能にし、元の意味を保持することでデータの有用性を向上させる。

ABSTRACT

In privacy-preserving data publishing, approaches using Value Generalization Hierarchies (VGHs) form an important class of anonymization algorithms. VGHs play a key role in the utility of published datasets as they dictate how the anonymization of the data occurs. For categorical attributes, it is imperative to preserve the semantics of the original data in order to achieve a higher utility. Despite this, semantics have not being formally considered in the specification of VGHs. Moreover, there are no methods that allow the users to assess the quality of their VGH. In this paper, we propose a measurement scheme, based on ontologies, to quantitatively evaluate the quality of VGHs, in terms of semantic consistency and taxonomic organization, with the aim of producing higher-quality anonymizations. We demonstrate, through a case study, how our evaluation scheme can be used to compare the quality of multiple VGHs and can help to identify faulty VGHs.

研究の動機と目的

• データ匿名化における価値一般化階層（VGH）のための標準的で客観的な評価手法の欠如に対処すること。
• 参照オントロジーからの意味的整合性と分類的組織を組み込むことで、VGHの品質を形式化すること。
• 不適切または最適でないVGHを特定する定量的指標を提供し、過剰一般化と意味的損失を低減すること。
• 主観的判断ではなく意味的忠実度に基づいて、ユーザーがVGHの選択や修正を支援すること。
• より良いVGHの定義により、カテゴリー属性の元の意味を保持することで、匿名化されたデータの有用性を向上させること。

提案手法

• 各概念とその一般化された先祖との間の意味的類似度スコアを、既存の意味的類似度メトリクスを用いて計算する。
• 各階層レベルごとにLevelGSL（レベルベース一般化意味的損失）スコアを定義し、最大値または平均値関数を用いて最悪ケースまたは平均的な意味的損失を捉える。
• 下位の、より具体的なレベルでの意味的損失を強調するために、レベルベースの重み $ w_i $ を適用する。
• VghGSL（VGH一般化意味的損失）スコアは、全レベルにわたるLevelGSLスコアを組み合わせた合成指標として計算され、スコアが高いほど意味的保持が良好であることを示す。
• 意味的関係が一貫して形式化されるよう、参照オントロジーを活用する。
• 意味的および構造的基準を用いて標準化された品質評価を可能にすることで、複数のVGH間の比較を支援する。

実験結果

リサーチクエスチョン

• RQ1 価値一般化階層（VGH）の品質を、意味的整合性と分類的構造の観点からどのように客観的に測定できるか。
• RQ2 不適切に定義されたVGHの主な兆候は何であり、それらを定量的に検出するにはどうすればよいか。
• RQ3 VGHにおける意味的損失が、匿名化されたデータの有用性に及ぼす影響はどの程度か。
• RQ4 異なる重み付け戦略（例：max対avg）が、階層の各レベルにおけるVGH品質の評価にどのように影響するか。
• RQ5 オントロジーに基づく意味的類似度メトリクスは、高品質と低品質のVGHを効果的に区別できるか。

主な発見

• VGH1は定数重みを用いた場合にVghGSLスコア0.2454、レベルベース重みを用いた場合に0.2023を達成し、それぞれVGH2の0.2773および0.2791を上回り、意味的保持が優れていることが示された。
• レベルベース重み戦略により、VGH2のLevel 1での意味的損失0.09が、VGH1のLevel 3での損失よりも深刻であることが判明した。これは、下位レベルでのより具体的な意味の喪失が重大であるためである。
• VGH2のLevel 1におけるLevelGSLのピーク（0.1440）は、子概念の意味的損失が親概念よりも高かったことを示し、意味的階層の原則に反する不適切な一般化を示していた。
• LevelGSL選択にmax関数を用いることで、最悪ケースの意味的損失が顕在化され、VGH設計における深刻な欠陥の特定に有効であった。
• この手法により、VGH2に一貫性のない一般化（例：子概念が親概念よりも特異性が低い）が含まれており、意味的整合性が損なわれていることが明確に特定された。
• 結果から、細分化され意味的整合性のある一般化を持つVGHは高いデータ有用性をもたらす一方で、恣意的または一貫性のない階層は過剰一般化によって有用性を低下させることを示した。