[論文レビュー] Sub-linear Privacy-preserving Search with Untrusted Server and Semi-honest Parties.

M. Sadegh Riazi, Beidi Chen+3 more|arXiv (Cornell University)|Dec 6, 2016

Advanced Image and Video Retrieval Techniques被引用数 4

ひとこと要約

本論文は、局所性に敏感なハッシュ（LSH）から派生する新しい安全な確率的埋め込みを用いて、半誠実な参加者と信頼できないサーバーをサポートする、初めての非線形プライバシー保護型近似近傍検索（PP-NNS）プロトコルを提示する。この手法は、ペairワイズ距離の漏洩を防ぐことで三角測量攻撃に耐性を示し、大規模データセット上で効率的かつスケーラブルに検索を実行しながら、強い信頼仮定なしにプライバシーを保護する。

ABSTRACT

Privacy-preserving Near-neighbor search (PP-NNS) is a well-studied problem in the literature. The overwhelming growth in the size of current datasets and the lack of any truly secure server in the online world render the existing solutions impractical either due to their high computational requirements or the non-realistic assumptions which potentially compromise privacy. PP-NNS with multiple (semi-honest) data owners having query time sub-linear in the number of users has been proposed as an open research direction. In this paper, we provide the first such algorithm which has a sub-linear query time and the ability to handle semi-honest (honest but curious) parties. Our algorithm can further manage the situation where a large chunk of the server information is being compromised. Probabilistic embedding based on Locality Sensitive Hashing (LSH) is the algorithm of choice for sub-linear near-neighbor search in high dimensions. However, we show that LSH is not suitable for semi-honest setting, and particularly when the server information is compromisable. LSH allows estimation of any pairwise distances between users, which can be easily compromised to learn user attributes using the idea of triangulation. We suggest a novel methodology which overcomes this LSH vulnerability. At the heart of our proposal lies a secure probabilistic embedding scheme generated from a novel probabilistic transformation over appropriate LSH family. Our secure embeddings combined with advances in multi-party computation result in an efficient PP-NNS algorithm suitable for massive-scale datasets without strong assumptions on the behavior of parties involved. We demonstrate the validity of our claims by experimentally showing the effectiveness of our solution in hiding the sensitive variables in medical records without compromising the precision-recall of the retrieval.

研究の動機と目的

• 実世界の設定において、高い計算コストや現実的でない信頼仮定による既存のPP-NNSソリューションの非現実的さに対処する。
• 半誠実（誠実だが好奇心を持つ）参加者を有するマルチパーティ設定において、PP-NNSのクエリ時間をデータ所有者の数に対して非線形に保つことを可能にする。
• サーバーが侵害された場合のプライバシーリスクを軽減する。特に、サーバーのデータの大部分が露出するような状況において有効である。
• 標準的なLSHが、ペアワイズ距離推定から機微な属性を推測する三角測量攻撃に対して固有の脆弱性を示すのを克服する。
• 医療記録のような大規模データセットに適した、効率性と正確性を両立する安全でスケーラブルなPP-NNSシステムを設計する。

提案手法

• 適切なLSHファミリー上で新しい確率的変換を提案し、ペアワイズ距離を隠ぺいする安全でプライバシー保護型の埋め込みを生成する。
• マルチパーティ計算（MPC）の進展と統合し、機微なデータを露呈せずにプライベートなクエリ処理を可能にする。
• 攻撃者がユーザー間の距離を推定できないようにする安全な埋め込み方式を設計し、三角測量に基づく属性推定を阻止する。
• 変換されたLSH埋め込みの確率的構造を活用することで、クエリ時間がユーザー数に対して非線形に保たれることを保証する。
• 埋め込みの実用性を維持しながら、標準LSHに内在する漏洩経路を排除するプライバシー保護型変換を用いる。
• 安全な埋め込みメカニズムとMPCプロトコルを組み合わせ、暗号化またはオブスクリュート化されたデータ上でプライベート計算を実現し、半誠実参加者が入力以外の情報を学習できないようにする。

実験結果

リサーチクエスチョン

• RQ1 半誠実参加者仮定と信頼できないサーバーモデル下でも安全であり、クエリ時間がデータ所有者の数に対して非線形であるPP-NNSプロトコルを設計できるか？
• RQ2 ペアワイズ距離推定から機微な属性を推測する三角測量攻撃に対して、標準的なLSHベースの埋め込みを保護することは可能か？
• RQ3 LSHファミリーから、検索の有用性を保ちつつペアワイズ距離の漏洩を防ぐ安全な埋め込み方式をどのように構築できるか？
• RQ4 提案手法は、プライバシーと正確性を維持したまま、大規模データセットへどの程度スケーリングできるか？
• RQ5 サーバーのデータの大部分が侵害された場合でも、システムはプライバシーを損なわず、堅牢に保てるか？

主な発見

• 提案された安全な埋め込み機構は、攻撃者がユーザー間のペアワイズ距離を推定できないことを効果的に防ぎ、三角測量に基づくプライバシー攻撃を無効化する。
• システムは、データ所有者の数に対して非線形のクエリ時間を持つことを達成し、大規模データセット上の効率的検索を可能にする。
• 医療記録に機微な属性を保護する状況でも、近傍検索の高精度と高再現率を維持する。
• 安全な埋め込みとマルチパーティ計算の統合により、どの参加者に対しても強い信頼仮定を必要とせず、プライバシー保護型計算が実現される。
• 実験的評価により、解像度の低下を伴わずに、医療データセット内の機微変数が効果的に隠蔽されていることが確認された。
• サーバーの侵害に対しても、安全な変換によりユーザーレベルの情報が漏洩しないことが保証され、耐障害性が確認された。