[論文レビュー] Statistical Properties of Sanitized Results from Differentially Private Laplace Mechanisms with Noninformative Bounding

Fang Liu|arXiv (Cornell University)|Jul 28, 2016

Privacy-Preserving Technologies in Data被引用数 4

ひとこと要約

本稿では、ラプラスメカニズムを用いた境界付き統計の微分プライバシー化のため、非情報的切断および境界インフレート型切断（BIT）手法を提案する。理論的および実験的評価を通じて、バイアス、一貫性、統計的妥当性への影響を検証し、非情報的境界化がプライバシーを保持しつつバイアスを導入しないことを示している。一方、BIT手法はプライバシー制約下で境界をインフレートさせることで精度を向上させることを明らかにした。

ABSTRACT

Protection of individual privacy is a common concern when releasing and sharing data and information. Differential privacy (DP) formalizes privacy in probabilistic terms without making assumptions about the background knowledge of data intruders, and thus provides a robust concept for privacy protection. Practical applications of DP involve development of differentially private mechanisms to generate sanitized results at a pre-specified privacy budget. In the sanitization of bounded statistics such as proportions and correlation coefficients, the bounding constraints will need to be incorporated in the differentially private mechanisms. There has been little work in examining the consequences of the incorporation of of bounding constraints on the accuracy of sanitized results from a differentially private mechanism. In this paper, we define noninformative and informative bounding procedures in the sanitization of bounded data, depending on whether a bounding procedure itself leaks original information or not. We formalize the differentially private truncated and boundary inflated truncated (BIT) mechanisms that release bounded statistics. The impacts of the noninformative truncated and BIT mechanisms on the statistical validity of sanitized statistics, including bias and consistency, in the framework of the Laplace mechanism are evaluated both theoretically and empirically via simulation studies.

研究の動機と目的

• 境界制約が微分プライバシー化された結果の精度に与える影響に関する研究の不足に対処すること。
• 境界付き統計における微分プライバシーの文脈で、非情報的および情報的境界化手順を形式化すること。
• ラプラスメカニズムの枠組み下で、切断およびBITメカニズムの統計的妥当性（特にバイアスおよび一貫性）を評価すること。
• プライバシーを保持しつつ統計的信頼性を維持するという観点から、非情報的切断およびBITメカニズムの性能を比較すること。
• 境界付きデータ洗練化におけるプライバシー、精度、統計的妥当性のトレードオフを理論的および実証的に分析すること。

提案手法

• 元のデータが漏洩しないように、洗練出力に境界を強制する微分プライバシー化された切断ラプラスメカニズムを提案する。
• 尾部を拡張することで境界付近の精度を向上させる、境界インフレート型切断（BIT）メカニズムを導入する。
• 元のデータ値を露呈しない手続きとして、非情報的境界化を定義し、プライバシー保護を確保する。
• ラプラスメカニズムの枠組み下で、切断およびBITメカニズムのバイアスおよび一貫性に関する理論的式を導出する。
• シミュレーション研究を用いて、バイアス、分散、および一貫性に関する理論的発見の実証的妥当性を検証する。
• プライバシー予算およびデータ境界の変動に応じて、2つのメカニズムの統計的性質を比較する。

実験結果

リサーチクエスチョン

• RQ1 非情報的境界化は、微分プライバシー化された洗練結果の統計的バイアスおよび一貫性にどのように影響するか？
• RQ2 BITメカニズムにおける境界インフレートは、微分プライバシー下での境界付き統計の精度にどのような影響を及ぼすか？
• RQ3 プライバシー・ユーティリティのトレードオフという観点から、切断およびBITメカニズムは統計的妥当性においてどのように比較できるか？
• RQ4 非情報的境界化は、情報漏洩を引き起こさずにどのような条件下でプライバシーを保持するか？
• RQ5 理論的性質であるバイアスおよび一貫性は、実証的シミュレーション条件下でもどの程度成立するか？

主な発見

• 非情報的境界化手順は、元のデータ値を漏洩させず、微分プライバシーを保持しつつ統計的妥当性を維持する。
• プライバシー予算が十分に大きい場合には、切断ラプラスメカニズムが無視できるほどのバイアスしか導入せず、洗練統計の一致性を保証する。
• BITメカニズムは、標準的な切断メカニズムと比較して、境界付近でのバイアスを低減する。
• 実証的シミュレーションにより、両メカニズムがサンプルサイズの増加に伴い一貫性を維持することが確認され、長期的信頼性を裏付けた。
• 特に境界が制限的でプライバシー予算が低い状況では、BITメカニズムが切断メカニズムよりも高い精度を達成する。
• 理論的分析とシミュレーション結果が一致しており、提案されたメカニズムがさまざまなプライバシー予算条件下でも頑健であることを検証した。