[論文レビュー] STatistical Election to Partition Sequentially (STEPS) and Its Application in Differentially Private Release and Analysis of Youth Voter Registration Data

Claire McKay Bowen, Fang Liu|arXiv (Cornell University)|Mar 18, 2018

Privacy-Preserving Technologies in Data被引用数 1

ひとこと要約

本稿では、統計的効率を向上させるために属性の微分可能性に基づいて逐次的にデータを分割する、差分プライバシーを適用したデータ合成手法であるSTEPSを提案する。適応的分割を用いたノイズ注入最適化により、ラプラス機構や階層ヒストグラムといった従来のDIPS手法に比べ、若者投票登録データのデータユーティリティをよりよく保持する。

ABSTRACT

Voter data is important in political science research and applications such as improving youth voter turnout. Privacy protection is imperative in voter data since it often contains sensitive individual information. Differential privacy (DP) formalizes privacy in probabilistic terms and provides a robust concept for privacy protection. DIfferentially Private Data Synthesis (DIPS) techniques produce synthetic data in the DP setting. However, statistical efficiency of the synthetic data via DIPS can be low due to the potentially large amount of noise injected to satisfy DP, especially in high-dimensional data. We propose a new DIPS approach STatistical Election to Partition Sequentially (STEPS) that sequentially partitions data by attributes per their differentiability of the data variability. Additionally, we propose a metric SPECKS that effectively assesses the similarity of synthetic data to the actual data. The application of the STEPS procedure on the 2000-2012 Current Population Survey youth voter data suggests STEPS is easy to implement and better preserves the original information than some DIPS approaches including the Laplace mechanism on the full cross-tabulation of the data and the hierarchical histograms generated via random partitioning.

研究の動機と目的

• 高次元の投票者データに対する差分プライバシーを適用したデータ合成（DIPS）における低い統計的効率を是正すること。
• データのばらつきの微分可能性に基づいて、適応的にデータを分割する手法を開発し、ノイズ注入を低減すること。
• 感受性の高い投票者データセットにおいて、強力なプライバシー保証を維持しながら、合成データのユーティリティを向上させること。
• オリジナルデータの分布に近い合成データの類似度を正確に評価するための新規指標SPECKSを導入すること。
• 2000–2012年の現在の人口調査（Current Population Survey）から得た実世界の若者投票登録データを用いてSTEPSを評価すること。

提案手法

• STEPSは、データの変動が値の変化に伴い滑らかに変化する度合いを測る微分可能性に基づいて、データ属性を逐次的に分割する。
• この手法は、情報損失を最小限に抑えつつ差分プライバシーを満たすように、分割点を選択する統計的選挙プロセスを用いる。
• ノイズは分割構造に応じて選択的かつ適応的に注入され、ラプラスのような均一なメカニズムに比べ総合的なノイズが低減される。
• SPECKSは、多次元分布の比較と高次元の依存関係の捉えを可能にする、新しい類似度指標であり、合成データの評価に用いられる。
• 微分可能性の閾値に従って再帰的に分割を行う階層的分割を採用し、プライバシーとユーティリティのバランスを図る。
• 本手法は、13年間の若者投票登録の縦断的データセットを用いて評価され、クロスタブレーションとヒストグラムベースの比較が行われた。

実験結果

リサーチクエスチョン

• RQ1 データ分割戦略は、差分プライバシーを適用したデータ合成における統計的効率をどのように向上させるか？
• RQ2 微分可能性に基づく逐次的分割は、均一なノイズ注入に比べ、データユーティリティをどの程度向上させるか？
• RQ3 SPECKSという新規類似度指標は、合成データがオリジナルデータの分布にどの程度忠実であるかを的確に捉えられるか？
• RQ4 STEPSは、ラプラス機構や階層ヒストグラムといった確立されたDIPS手法に比べ、データ構造の保持にどの程度優れているか？
• RQ5 適応的分割は、高次元の投票者データにおいて、強い差分プライバシー保証を維持したままノイズを低減できるか？

主な発見

• STEPSは、全クロスタブレーションにラプラス機構を適用した場合に比べ、より高いデータユーティリティを実現し、正確な周辺分布と同時分布をよりよく保持する。
• ランダムな分割を用いて生成された階層ヒストグラムに比べ、STEPSは若者投票登録データの構造的整合性をよりよく維持する。
• SPECKSは合成データの類似度を効果的に定量化し、標準的な指標よりもオリジナルデータとの相関が高くなることを示した。
• 微分可能性に基づく逐次的分割は、ノイズの効率的割り当てを可能にし、合成推定値の全体的な分散を低減する。
• 2000–2012年の現在の人口調査データへの応用により、STEPSが実世界の政治科学研究において実用的かつ効果的であることが確認された。
• STEPSは、形式的な差分プライバシー制約を満たしつつ、複雑なデータ関係の保持をよりよく実現した。