[論文レビュー] Survey on Privacy-Preserving Techniques for Data Publishing

Tânia Carvalho, Nuno Moniz+2 more|arXiv (Cornell University)|Jan 20, 2022

Privacy-Preserving Technologies in Data被引用数 6

ひとこと要約

本調査は、マイクロデータの脱識別化のためのプライバシー保護技術について包括的な分析を提供し、非摂動的、摂動的、脱関連化的手法の3つに分類する。プライバシーと有用性のトレードオフを評価し、機械学習における予測性能に特に注目し、最適なプライバシー-有用性のバランスを達成するための主な課題と未解決の問題を特定する。

ABSTRACT

The exponential growth of collected, processed, and shared microdata has given rise to concerns about individuals' privacy. As a result, laws and regulations have emerged to control what organisations do with microdata and how they protect it. Statistical Disclosure Control seeks to reduce the risk of confidential information disclosure by de-identifying them. Such de-identification is guaranteed through privacy-preserving techniques. However, de-identified data usually results in loss of information, with a possible impact on data analysis precision and model predictive performance. The main goal is to protect the individuals' privacy while maintaining the interpretability of the data, i.e. its usefulness. Statistical Disclosure Control is an area that is expanding and needs to be explored since there is still no solution that guarantees optimal privacy and utility. This survey focuses on all steps of the de-identification process. We present existing privacy-preserving techniques used in microdata de-identification, privacy measures suitable for several disclosure types and, information loss and predictive performance measures. In this survey, we discuss the main challenges raised by privacy constraints, describe the main approaches to handle these obstacles, review taxonomies of privacy-preserving techniques, provide a theoretical analysis of existing comparative studies, and raise multiple open issues.

研究の動機と目的

• 増加するデータ収集と規制要請のなかで、公開されるマイクロデータにおける個人のプライバシーを保護するという急増する課題に対処すること。
• 予測モデリングタスクを含め、データプライバシーと有用性のトレードオフを分析すること。
• マイクロデータの脱識別化のためのプライバシー保護技術を統一した分類体系にすること。
• 既存のプライバシー測定法、有用性メトリクス、およびそれらがデータ分析や機械学習のパフォーマンスに与える影響を評価すること。
• 実世界の応用におけるプライバシー保護データ公開分野における未解決の研究課題と今後の方向性を特定すること。

提案手法

• プライバシー保護技術を非摂動的、摂動的、脱関連化的手法の3つのカテゴリーに分類する新しい分類体系を提唱する。
• 脱識別化とリスク低減のためのメカニズムに基づいて、既存のプライバシー保護技術をレビューおよび分類する。
• k-匿名性、l-多様性、t-近接性といったプライバシー測定法を、さまざまな漏洩リスクに対して分析する。
• 情報損失や分類、回帰、クラスタリングタスクにおける予測性能を含む、有用性メトリクスを評価する。
• さまざまな技術におけるプライバシー-有用性のトレードオフに関する比較研究および理論的分析をレビューする。
• 分散環境におけるプライバシー強化のための暗号メカニズムと協働フレームワークの統合について議論する。

実験結果

リサーチクエスチョン

• RQ1 マイクロデータの脱識別化のためのプライバシー保護技術の主なカテゴリーとサブタイプは何か？
• RQ2 異なるプライバシー保護技術は、機械学習モデルのデータ有用性と予測性能にどのように影響を与えるか？
• RQ3 公開されたデータセットにおける再識別リスクを軽減するための最も効果的なプライバシー測定法は何か？
• RQ4 プライバシーと有用性のトレードオフを体系的に評価・最適化するにはどうすればよいか？
• RQ5 実世界の応用におけるプライバシー保護データ公開分野における主な未解決の課題と研究ギャップは何か？

主な発見

• 本調査は、データプライバシーと予測性能の間には重要なトレードオフが存在することを特定した。高いプライバシーは、しばしばモデルの精度と有用性を低下させる。
• データ摂動やノイズ追加といった摂動的手法はプライバシー保護に有効であるが、データ品質とモデルパフォーマンスの低下を引き起こす可能性がある。
• 一般化や抑制といった非摂動的手法は、より高いデータ有用性を維持できるが、適切に適用されない場合には再識別リスクを残す可能性がある。
• データ交換や匿名化を含む脱関連化手法はリンク性リスクを低減できるが、有用性の損失を避けるために注意深い設計が不可欠である。
• 回帰やクラスタリングタスクにおけるプライバシー保護技術の実証的評価を行った研究は少数であり、分類以外の応用分野における研究ギャップが浮き彫りになった。
• 複数の技術の統合および暗号的協働メカニズムの統合は、過度な有用性損失を伴わずにプライバシーを強化する可能性を示している。