[논문 리뷰] A New Class of Private Chi-Square Tests

Daniel Kifer, Ryan Rogers|arXiv (Cornell University)|2016. 10. 24.

Random Matrices and Applications인용 수 10

한 줄 요약

이 논문은 차별적 프라이버시를 위해 노이즈를 추가한 후에도 고전적卡-제곱 검정의 점근적 분포를 유지하는 새로운 비밀 보장 카-제곱 검정 통계량의 클래스를 소개한다. 노이즈가 첨가된 통계량의 점근적 성질을 고전적 카-제곱 검정과 일치시키는 것으로, 이 방법은 기존의 기존 통계량을 단순히 비밀 보장화한 접근 방식보다 뛰어난 경험적 성능을 달성한다.

ABSTRACT

In this paper, we develop new test statistics for private hypothesis testing. These statistics are designed specifically so that their asymptotic distributions, after accounting for noise added for privacy concerns, match the asymptotics of the classical (non-private) chi-square tests for testing if the multinomial data parameters lie in lower dimensional manifolds (examples include goodness of fit and independence testing). Empirically, these new test statistics outperform prior work, which focused on noisy versions of existing statistics.

연구 동기 및 목표

• 차별적 프라이버시 하에서 고전적 카-제곱 검정의 점근적 성질을 유지하지 못하는 기존 방법의 격차를 보완하기 위해.
• 프라이버시를 위해 노이즈를 추가한 후에도 고전적 카-제곱 검정과 동일한 점근적 귀무분포를 유지하는 통계량을 개발하기 위해.
• 기존의 통계량에 노이즈를 첨가한 단순한 방법보다 비밀 보장 적합도 검정 및 독립성 검정에서 경험적 검정력과 정확도를 향상시키기 위해.
• 프라이버시 제약 조건 하에서도 통계량의 점근적 행동이 비비밀 보장 카-제곱 검정과 일致하도록 보장하기 위해.

제안 방법

• 저자들은 고전적 카-제곱 검정 통계량과 구조적으로 유사하지만, 차별적 프라이버시를 위해 첨가된 노이즈를 고려해 분석적으로 조정된 새로운 통계량을 설계한다.
• 귀무가설 하에서 이러한 새로운 통계량의 점근적 분포를 유도하여, 노이즈 첨가 후에도 고전적 카-제곱 분포와 일치하도록 보장한다.
• 프라이버시 노이즈로 인한 변동이 한계 분포를 변경하지 않도록 통계량의 형태를 수정하는 것이 방법의 핵심이다.
• 공식적인 점근적 분석을 통해 노이즈가 첨가된 통계량이 비비밀 보장 대응물과 동일한 카-제곱 분포로 수렴함을 보여준다.
• 이 방법은 프라이버시 보장 노이즈가 존재하는 상황에서도 표준 히포테시스 검정 절차에 대해 유효한 통계량을 유지한다.
• 이 방법은 적합도 검정 및(contingency tables에서의) 독립성 검정을 포함한 다양한 다항분포 모수 검정 문제에 일반화 가능하다.

실험 결과

연구 질문

• RQ1 고전적 카-제곱 검정의 점근적 귀무분포를 유지하는 차별적 프라이버시 통계량을 설계할 수 있는가?
• RQ2 프라이버시를 위해 노이즈를 첨가하는 것이 통계량의 기본 점근적 행동을 변경하지 않도록 보장할 수 있는가?
• RQ3 기존의 통계량에 단순히 노이즈를 첨가한 방법보다 새로운 비밀 보장 통계량이 경험적 검정력과 정확도 측면에서 뛰어나게 되는가?
• RQ4 새로운 통계량은 적합도 검정 및 독립성 검정과 같은 표준 다항분포 검정 문제에 적용 가능하며 이론적으로 타당성을 유지하는가?
• RQ5 차별적 프라이버시 하에서 점근적 동치성을 유지하기 위해 고전적 통계량에 어떤 수정이 필요한가?

주요 결과

• 제안된 통계량은 차별적 프라이버시를 위해 노이즈를 추가한 후에도 고전적 카-제곱 검정과 정확히 동일한 점근적 분포를 달성한다.
• 경험적으로, 이전의 기존 통계량을 단순히 비밀 보장화한 방법보다 새로운 통계량이 뛰어난 성능을 보였다.
• 귀무가설 하에서 이론적 타당성이 유지되어 대규모 표본에서 정확한 제1종 오류 비율을 보장한다.
• 이 방법은 적합도 검정 및 독립성 검정을 포함한 표준 다항분포 검정 문제에 적용 가능하다.
• 비밀 보장 통계량과 고전적 통계량 사이의 점근적 동치성 덕분에 실무에서 표준 임계값과 p-값을 사용할 수 있다.