[논문 리뷰] An Effective Clustering Approach to Web Query Log Anonymization

Amin Milani Fard, Ke Wang|arXiv (Cornell University)|2010. 12. 03.

Privacy-Preserving Technologies in Data참고 문헌 17인용 수 3

한 줄 요약

이 논문은 쿼리를 비정형 거래 데이터로 모델링하고 클러스터링 및 일반화를 통해 k-익명성을 적용함으로써 웹 쿼리 로그를 익명화하기 위한 새로운 클러스터링 기반 접근법을 제안한다. AOL 쿼리 로그를 대상으로 한 실험 결과, 최신 기술 대비 더 높은 데이터 유용성을 확보하면서도 개인정보를 보호한다.

ABSTRACT

Web query log data contain information useful to research; however, release of such data can re-identify the search engine users issuing the queries. These privacy concerns go far beyond removing explicitly identifying information such as name and address, since non-identifying personal data can be combined with publicly available information to pinpoint to an individual. In this work we model web query logs as unstructured transaction data and present a novel transaction anonymization technique based on clustering and generalization techniques to achieve the k-anonymity privacy. We conduct extensive experiments on the AOL query log data. Our results show that this method results in a higher data utility compared to the state of-the-art transaction anonymization methods.

연구 동기 및 목표

• 웹 쿼리 로그를 공개할 경우, 명시적 식별자가 없더라도 사용자를 재식별할 수 있는 개인정보 위험을 해결하기 위해.
• 기존의 익명화 기법들이 개인정보 보호를 확보하면서도 데이터 유용성을 저하시키는 한계를 극복하기 위해.
• 클러스터링과 일반화를 통해 k-익명성을 달성하면서도 의미 있는 패턴을 유지하는 방법을 개발하기 위해.
• 실세계 쿼리 로그 데이터를 대상으로 제안된 방법을 평가하고, 기존 접근법과의 유용성 비교를 수행하기 위해.

제안 방법

• 저자는 웹 쿼리 로그를 비정형 거래 데이터로 모델링하여 각 쿼리를 키워드의 거래로 간주한다.
• 키워드 겹침과 의미적 유사도를 바탕으로 유사한 쿼리를 클러스터링하는 알고리즘을 적용한다.
• 각 클러스터 내에서 특정 용어를 더 포괄적인 범주나 와일드카드로 대체하는 기법을 사용해 쿼리를 일반화한다.
• 각 클러스터에 최소 k개의 쿼리가 포함되도록 함으로써 k-익명성을 확보하여 재식별을 방지한다.
• 정보 손실를 최소화하면서도 개인정보 보호를 유지하기 위해 일반화를 선택적으로 적용한다.
• 제안된 방법은 AOL 쿼리 로그 데이터셋을 대상으로 평가되었으며, 유용성과 개인정보 보호를 비교하기 위한 지표를 사용한다.

실험 결과

연구 질문

• RQ1 클러스터링 기반 일반화 기법이 웹 쿼리 로그를 익명화하면서도 데이터 유용성을 유지하는 데 효과적인가?
• RQ2 기존의 거래 익명화 기법과 비교할 때, 제안된 방법은 k-익명성과 데이터 유용성 측면에서 어떻게 다른가?
• RQ3 연구 목적을 위해 의미 있는 패턴을 잃지 않기 위해 쿼리 로그를 어느 정도까지 일반화할 수 있는가?
• RQ4 다양한 클러스터링 전략이 개인정보 보호와 유용성의 균형에 어떤 영향을 미치는가?

주요 결과

• 제안된 클러스터링 기반 익명화 방법은 AOL 쿼리 로그 데이터셋에서 최신 기술 대비 더 높은 데이터 유용성을 확보하였다.
• 각 클러스터에 최소 k개의 쿼리가 포함되도록 함으로써 k-익명성이 성공적으로 구현되었다.
• 클러스터 내에서 일반화가 효율적으로 적용되어 로그의 의미적 및 구조적 정보 손실를 최소화하였다.
• 의미 있는 쿼리 패턴이 유지되어 익명화된 로그가 연구 목적으로 계속 사용될 수 있었다.
• 실험 결과, 동일한 개인정보 보호 조건 하에서 기존 방법 대비 데이터 유용성을 더 잘 유지하는 것으로 나타났다.
• 다양하고 복잡한 쿼리 패턴을 포함한 대규모 실세계 쿼리 로그에 대해서도 이 방법은 효과적이었다.