[論文レビュー] Single-Server Private Linear Transformation: The Individual Privacy Case

Anoosheh Heidarzadeh, Nahid Esmati+1 more|arXiv (Cornell University)|Jun 9, 2021

Privacy-Preserving Technologies in Data参考文献 16被引用数 4

ひとこと要約

本稿では、K個のメッセージから成るデータセットからD個のメッセージの線形結合Lつを、単一サーバー環境でプライベートに計算できる、Individual-Privacy Linear Transformation (IPLT) を提案する。IPLTは各メッセージの個々の識別子を保護する。著者らはMDSコードを用いてIPLTの容量のタイトな境界を確立し、特定の条件下で個別プライバシーは共同プライバシーに比べて低いダウンロードコストを達成できることを示し、例として2/9のレートを達成し、共同プライバシーのベースライン2/19を上回る性能を示す。

ABSTRACT

This paper considers the single-server Private Linear Transformation (PLT) problem with individual privacy guarantees. In this problem, there is a user that wishes to obtain $L$ independent linear combinations of a $D$-subset of messages belonging to a dataset of $K$ messages stored on a single server. The goal is to minimize the download cost while keeping the identity of each message required for the computation individually private. The individual privacy requirement ensures that the identity of each individual message required for the computation is kept private. This is in contrast to the stricter notion of joint privacy that protects the entire set of identities of all messages used for the computation, including the correlations between these identities. The notion of individual privacy captures a broad set of practical applications. For example, such notion is relevant when the dataset contains information about individuals, each of them requires privacy guarantees for their data access patterns. We focus on the setting in which the required linear transformation is associated with a maximum distance separable (MDS) matrix. In particular, we require that the matrix of coefficients pertaining to the required linear combinations is the generator matrix of an MDS code. We establish lower and upper bounds on the capacity of PLT with individual privacy, where the capacity is defined as the supremum of all achievable download rates. We show that our bounds are tight under certain conditions.

研究の動機と目的

• プライベート線形計算における個別メッセージプライバシーのニーズに対処すること。ここでの目的は、線形変換に使用される各メッセージの識別子をサーバーから隠蔽することにある。
• 個別プライバシー制約下での単一サーバー環境におけるプライベート線形変換のダウンロードコストの根本的限界を特定すること。
• 特に達成可能なダウンロードレートという観点から、より厳しい共同プライバシーモデルと比較して個別プライバシーの効率性を評価すること。
• 特に変換行列がMDS生成行列である場合に、最適または近似的最適なレートを達成するプロトコルを開発すること。
• 個別プライバシーをより実用的で効率的なプライバシーモデルとして導入することで、先行研究のプライベート情報検索およびプライベート線形計算を一般化すること。

提案手法

• 最大距離離散（MDS）コードの生成行列を用いて、望ましい線形結合を符号化し、耐障害性と効率性を確保する。
• D個のメッセージのサブセットに含まれる各個々のメッセージの識別子を隠すように設計されたクエリをユーザーがサーバーに送信する。この際、MDSの性質に基づく構造化符号化が用いられる。
• サーバーは全データセットを用いて線形変換を計算し、結果を返信する。ユーザーは既知のMDS行列とクエリの構造を用いて、その結果を復号する。
• メッセージをグループに分割することで、実効的なダウンロードコストを低減しつつ、個別プライバシーを維持する。
• 主な技術的アプローチとして、GPC-PIAにインspiredされたプロトコルを用い、レートを(⌊K/D⌋ + R/L)⁻¹に最適化する。これは個別プライバシー制約下で最適化される。
• 理論的分析では情報理論的境界を用いて、達成可能なダウンロードレートの下限と上限を導出し、特定の条件下でタイトであることを証明する。

実験結果

リサーチクエスチョン

• RQ1 単一サーバー環境におけるプライベート線形変換において、個別プライバシーは共同プライバシーに比べて低いダウンロードコストを達成できるか？
• RQ2 個別プライバシー制約下でのプライベート線形変換の根本的容量限界は何か？
• RQ3 MDSコードの使用は、IPLTにおける達成可能なレートとプライバシー保証にどのように影響するか？
• RQ4 IPLTの容量に関する導出された下限と上限がタイトになる条件は何か？
• RQ5 提案されたプロトコルは、ダウンロード効率という観点から、既存の共同プライバシー方式を上回ることができるか？

主な発見

• 提案されたIPLTプロトコルは、与えられた例において2/9のダウンロードレートを達成し、最適な共同プライバシー方式の2/19を著しく上回る。
• IPLTの容量は下限と上限で境界づけられており、特に変換行列がMDS生成行列である場合に、特定の条件下でタイトであることが示された。
• 個別プライバシーは共同プライバシーに比べて厳密に弱いが、必要な線形結合数LがKに比べて小さい場合のシナリオでは、より低いダウンロードコストを実現できる。
• GPC-PIAにインスパイアされたプロトコルは、(⌊K/D⌋ + R/L)⁻¹のレートを達成し、これは与えられた設定において最適であり、個別プライバシーの利点を示している。
• 理論的分析により、個別プライバシーを活用することで、セキュリティを損なわずに通信オーバーヘッドを低減できることを確認した。特にDが大きい場合には顕著である。
• 結果から、個別プライバシーは運用的に意味のあるものであり、プライベート線形計算の文脈において、共同プライバシーに比べて効率面で優れていることが示された。