[論文レビュー] Privacy Preserving Location Data Publishing: A Machine Learning Approach

Sina Shaham, Ming Ding+4 more|arXiv (Cornell University)|Feb 24, 2019

Privacy-Preserving Technologies in Data参考文献 41被引用数 4

ひとこと要約

本稿では、修正された k′-means クラスタリング法と段階的逐次アラインメントを用いて、プライバシーを強化するとともにデータの有用性を維持する機械学習ベースの匿名化（MLA）フレームワークを提案する。本手法は、k-匿名性の新しい定式化を用いてクラスタリングとアラインメントを最適化することで、先行手法よりも高い有用性を達成する。

ABSTRACT

Publishing datasets plays an essential role in open data research and promoting transparency of government agencies. However, such data publication might reveal users' private information. One of the most sensitive sources of data is spatiotemporal trajectory datasets. Unfortunately, merely removing unique identifiers cannot preserve the privacy of users. Adversaries may know parts of the trajectories or be able to link the published dataset to other sources for the purpose of user identification. Therefore, it is crucial to apply privacy preserving techniques before the publication of spatiotemporal trajectory datasets. In this paper, we propose a robust framework for the anonymization of spatiotemporal trajectory datasets termed as machine learning based anonymization (MLA). By introducing a new formulation of the problem, we are able to apply machine learning algorithms for clustering the trajectories and propose to use $k$-means algorithm for this purpose. A variation of $k$-means algorithm is also proposed to preserve the privacy in overly sensitive datasets. Moreover, we improve the alignment process by considering multiple sequence alignment as part of the MLA. The framework and all the proposed algorithms are applied to TDrive and Geolife location datasets. The experimental results indicate a significantly higher utility of datasets by anonymization based on MLA framework.

研究の動機と目的

• 個々の位置を越えた空間時間的距離を考慮する、明確なクラスタリング手法の欠如に応える。
• 先行研究で用いられる対比較逐次アラインメントによる高い情報損失を克服するため、匿名化パイプラインに複数アラインメントを導入する。
• トラジェクトリデータセットのための異なる匿名化手法を比較・ベンチマーク化できる統一された評価指標を開発する。
• 機械学習とプライバシー保護型データ変換を統合することで、k-匿名化されたトラジェクトリ公開におけるデータ有用性を向上させる。
• k′-meansアルゴリズムのカスタマイズ版を用いて、極めて感受性の高いデータセットにおいてk-匿名性を確保する。

提案手法

• 機械学習の適用を可能にするために、代替的システム表現を用いた最適化問題としてトラジェクトリ匿名化を定式化する。
• 空間時間的類似性に基づいてトラジェクトリをグループ化するため、k′-meansクラスタリングを適用し、匿名化プロセスにおける歪みを最小化する。
• 過度に感受性の高いデータセットにおいてk-匿名性を強制するために、クラスタ形成を制御する修正版k′-meansを導入する。
• トラジェクトリ一般化中の情報損失を低減するため、複数アラインメント手法として段階的逐次アラインメント（PSA）を実装する。
• クラスタリングとアラインメントを統合したMLAフレームワークを構築し、プライバシーと有用性を同時に最適化する。
• TDriveおよびGeolifeの実世界データセットを用いて、現実的な条件下でのフレームワークの評価を実施する。

実験結果

リサーチクエスチョン

• RQ1 トラジェクトリクラスタリングを最適化問題としてどのように定式化すれば、匿名化におけるプライバシーと有用性を向上させられるか？
• RQ2 トラジェクトリ匿名化において、対比較アラインメントと比較して、複数アラインメントはどの程度情報損失を低減するか？
• RQ3 修正版k′-meansアルゴリズムは、感受性の高いデータセットにおいて、データ歪みを最小限に抑えながらk-匿名性を効果的に強制できるか？
• RQ4 MLAフレームワークは、既存の匿名化手法と比較して、有用性およびプライバシー保証の観点でどの程度優れているか？
• RQ5 医療記録やウェブアナリティクスなどの実世界の応用分野において、MLAフレームワークはどのように効果的に適用可能か？

主な発見

• TDriveおよびGeolifeデータセットを用いた実験により、MLAフレームワークは、既存のk-匿名化手法よりも顕著に高いデータ有用性を達成していることが示された。
• k′-meansクラスタリングアプローチは、有用性および計算効率の両面でヒューリスティッククラスタリング手法を上回り、処理時間と実装の複雑さが低い。
• 段階的逐次アラインメント（PSA）は、対比較アラインメントと比較して情報損失を低減し、匿名化されたトラジェクトリの忠実度を向上させた。
• 提案されたk′-meansの変種は、グループレベルの区別不能性を保持することで、感受性の高いデータセットにおけるk-匿名性を効果的に強制した。
• フレームワークは、医療記録やウェブアナリティクスなど、縦断的またはトレースベースのデータが必要となる多様な分野に適用可能である。
• 実験結果から、MLAは強力なプライバシー保証を維持しながら、公開データセット内の意味のある空間時間的パターンを保持していることが確認された。