[論文レビュー] Protecting Location with Dynamic Differential Privacy under Temporal Correlations

Yonghui Xiao, Li Xiong|arXiv (Cornell University)|Oct 22, 2014

Privacy-Preserving Technologies in Data参考文献 28被引用数 4

ひとこと要約

本稿では、軌跡における時間的相関をモデル化することで、移動ユーザーの位置プライバシーを保護するための動的微分プライバシーを導入する。感度ハルフと平面等方的機構（PIM）を提案し、プライバシー保証を厳密に確保しながらノイズを最小限に抑えることで最適なユーティリティを達成する。実世界のデータセットを用いた検証が行われた。

ABSTRACT

Concerns on location privacy frequently arise with the rapid development of GPS enabled devices and location-based applications. While spatial transformation techniques such as location perturbation or generalization have been studied extensively, most techniques rely on syntactic privacy models without rigorous privacy guarantee. Many of them only consider static scenarios or perturb the location at single timestamps without considering temporal correlation of a moving user's locations, and hence are vulnerable to various inference attacks. While differential privacy has been accepted as a de facto standard for privacy protection, applying differential privacy in location based applications presents new challenges, as the protection needs to be enforced on the fly for a single user and needs to incorporate temporal correlation between a user's locations. In this paper, we propose a systematic solution to preserve location privacy with rigorous privacy guarantee. First, we propose a new definition, dynamic differential privacy, to account for the temporal correlation in location data. Second, we show that the well known $\ell_1$ norm sensitivity fails to capture the geometric sensitivity in multidimensional space and propose a new notion, sensitivity hull, based on which the utility of dynamic differential privacy is bounded. Third, to obtain the optimal utility we present a planar isotropic mechanism (PIM), which is the first mechanism achieving the lower bound of differential privacy. We also implement PIM on real-world datasets to demonstrate its performance.

研究の動機と目的

• 位置データの既存の空間変換手法における、きめ細かいプライバシー保証の欠如に対処すること。
• 推論攻撃を防ぐために、移動ユーザーの軌跡における時間的相関をモデル化すること。
• 進化する位置シーケンスに適応する動的微分プライバシー枠組みを構築すること。
• 多次元ノイズ要件を捉えるために、感度ハルフと呼ばれる幾何的感度測定を確立すること。
• 微分プライバシーにおける理論的ノイズ下限に達する最適なメカニズム（PIM）を設計すること。

提案手法

• 時間的依存性を考慮した新しいプライバシー定義として、動的微分プライバシーを提案する。
• 感度ハルフ—連続するユーザーの位置間の差のL1ノルムに基づく幾何的構成—を導入し、多次元空間における感度を定量化する。
• 従来のℓ1ノルム感度が、多次元位置データにおける幾何的制約を捉えられていないことを示す。
• 感度ハルフに一致する平面的分布に沿ってノイズを注入する、平面等方的機構（PIM）を設計する。これにより、ユーティリティ損失を最小限に抑える。
• PIMが微分プライバシーに必要な理論的ノイズ下限に達することを証明し、最適なユーティリティを保証する。
• 実世界のGPSデータセットを用いてPIMを実装・評価し、プライバシーとユーティリティのトレードオフを検証する。

実験結果

リサーチクエスチョン

• RQ1 時間的相関のある動的で逐次的な位置データに対して、微分プライバシーをリアルタイムで効果的に適用する方法は何か？
• RQ2 多次元位置データにおいて、ℓ1ノルムよりも精度の高い幾何的感度測定は何か？
• RQ3 理論的最小ノイズに達するノイズ注入メカニズムを設計できるか？
• RQ4 提案された感度ハルフは、従来の感度測定と比較して、プライバシーとユーティリティのトレードオフをどのように改善するか？
• RQ5 平面等方的機構（PIM）は実世界の位置データセットでどのように性能を発揮するか？

主な発見

• 感度ハルフは、多次元位置データにおいて、ℓ1ノルムよりもより正確で幾何的に意味のある感度測定を提供する。
• 平面等方的機構（PIM）は、微分プライバシーに必要な理論的ノイズ下限に達し、最適なユーティリティを実現する。
• PIMは、強力なプライバシー保証を維持しながら、標準的なメカニズムと比較してノイズの大きさを顕著に低減する。
• 提案された動的微分プライバシー枠組みは、軌跡における時間的相関をモデル化することで、推論攻撃に対して効果的に抵抗する。
• 実世界のGPSデータセットを用いた評価により、PIMが時間的相関下でも高いユーティリティと強力なプライバシー保護を維持することが確認された。