[論文レビュー] Scalable Multi-Database Privacy-Preserving Record Linkage using Counting Bloom Filters

Dinusha Vatsalan, Peter Christen+1 more|arXiv (Cornell University)|Jan 5, 2017

Data Quality and Management参考文献 35被引用数 5

ひとこと要約

本稿では、文字列ベースの準個人識別子の効率的かつ近似的なマッチングを可能にする、Counting Bloom Filters (CBFs) を用いたスケーラブルでプライバシー保護型記録連携 (PPRL) 法を提案する。CBFs と最適化された通信パターン（専用の連携ユニットを用いる・用いない両方のケース）を活用することで、先行手法と比較して通信コストおよび計算コストを顕著に削減しながら、高い連携品質と強固なプライバシー保護を達成する。

ABSTRACT

Privacy-preserving record linkage (PPRL) aims at integrating sensitive information from multiple disparate databases of different organizations. PPRL approaches are increasingly required in real-world application areas such as healthcare, national security, and business. Previous approaches have mostly focused on linking only two databases as well as the use of a dedicated linkage unit. Scaling PPRL to more databases (multi-party PPRL) is an open challenge since privacy threats as well as the computation and communication costs for record linkage increase significantly with the number of databases. We thus propose the use of a new encoding method of sensitive data based on Counting Bloom Filters (CBF) to improve privacy for multi-party PPRL. We also investigate optimizations to reduce communication and computation costs for CBF-based multi-party PPRL with and without the use of a dedicated linkage unit. Empirical evaluations conducted with real datasets show the viability of the proposed approaches and demonstrate their scalability, linkage quality, and privacy protection.

研究の動機と目的

• 医療、国家セキュリティ、ビジネス応用など、機微なデータを統合する際の、複数データベース間でのマルチパーティ記録連携におけるスケーラビリティおよびプライバシーの課題に対処する。
• 既存の PPRL 手法が二者間連携や正確なマッチングに限定されており、誤りや変種を含む文字列ベースの準個人識別子に対しては限界があることに対処する。
• CBFs と安全な総和計算を用いて、通信および計算のオーバーヘッドを低減する、効率的でプライバシー保護型の準個人識別子の近似的なマッチングフレームワークを構築する。
• CBF を用いたマルチパーティ PPRL における通信パターン（リング型および LU 助け型）を調査・最適化し、パフォーマンスおよびスケーラビリティを向上させる。
• 上位から下位への一般化と安全な集計を用いて、生データの露出を最小限に抑え、k-匿名性を実現することで、強固なプライバシー保証を確保する。

提案手法

• 複数のデータベースからの準個人識別子（例：名前、住所）を Counting Bloom Filters (CBFs) で符号化し、効率的かつプライベートな近似的なマッチングを可能にする。
• 安全な総和プロトコルを適用して、複数の参加者からの CBF を統合し、1つの候補レコード集合ごとのグローバル CBF を作成することで、個々のデータを露呈せずに類似度計算を可能にする。
• 中央の連携ユニットが存在しない分散型連携を実現するリング型通信を採用し、通信コストを削減し、スケーラビリティを向上させる。
• 信頼できる連携ユニット（LU）を介する通信パターンを導入し、すべての参加者からの CBF を受信・比較することで、集中型の類似度評価を実現する。
• 通信コストを削減し、類似度比較の計算コストを最小限に抑えるために、プライベートなブロッキングおよびフィルタリング技術を統合する。
• CBF 間の類似度測定に Dice 係数を用い、ノイズを含む文字列データの近似的なマッチングを可能にする。

実験結果

リサーチクエスチョン

• RQ1 Counting Bloom Filters を用いることで、マルチパーティ PPRL 環境下で、複数のデータベースにまたがるスケーラブルかつプライベートな近似的なマッチングをどのように効果的に実現できるか？
• RQ2 リング型通信と連携ユニット支援型通信のどちらが、マルチパーティ PPRL においてプライバシー、通信効率、計算パフォーマンスのバランスを最良に保つか？
• RQ3 CBF を用いた PPRL は、大規模なデータベース数およびレコード数にスケーリング可能でありながら、高い連携品質と強固なプライバシー保護を達成できるか？
• RQ4 安全な総和計算と CBF の集計処理は、従来の BF を用いたアプローチと比較して、通信および計算のオーバーヘッドをどの程度低減できるか？
• RQ5 ブロッキングおよびフィルタリング技術の導入が、候補セットのサイズをどの程度削減し、全体の連携効率を向上させるか？

主な発見

• 提案手法である CBF を用いた PPRL は、ベースライン手法と比較して、特にマルチパーティ環境下において顕著に通信コストおよび計算コストを低減する。
• リング型通信パターンは、中央ユニットへの個々の BF の送信を回避することで、通信オーバーヘッドを削減し、スケーラビリティを向上させる。
• 安全な総和計算と CBF の集計処理により、生の準個人識別子の値が露呈することなく正確な類似度計算が可能となり、プライバシーが保護される。
• 実データセットを用いた実験評価により、本手法は高い連携品質を維持しており、F1 スコアおよび精度・再現率が既存手法と同等または優れていることが示された。
• データベース数およびレコードサイズの増加に対しても、本手法は効率的にスケーリング可能であり、医療や国家セキュリティ分野における実用的応用の可能性を示した。
• プライベートなブロッキングおよびフィルタリングの統合により、候補セットの数が削減され、高コストな類似度比較の回数が最小限に抑えられ、全体のパフォーマンスが向上した。