[논문 리뷰] Approximate Span Liftings

Tetsuya Sato, Gilles Barthe외 3명|arXiv (Cornell University)|2017. 10. 24.

Privacy-Preserving Technologies in Data인용 수 6

한 줄 요약

이 논문은 연속 확률 분포와 일반적인 발산에 대해 구성적 추론을 확장하는 새로운 관계적 리프팅 프레임워크인 근사 스펜 리프팅을 소개한다. 이를 통해 레니 지수 미분 개인정보 보호(RDP), 제로-집중된 미분 개인정보 보호(zCDP), 잘라낸 집중된 미분 개인정보 보호(tCDP)의 공식적 검증이 가능해진다. 주요 기여는 이 four 가지 유형의 미분 개인정보 보호—표준, RDP, zCDP, tCDP—을 하나의 형식적 체계 내에서 처리할 수 있는 통합된 프로그램 논리의 개발이다. 이 논리는 이산 및 연속적 표본 추출을 포함한 프로그램에 적용 가능하다.

ABSTRACT

We develop new abstractions for reasoning about relaxations of differential privacy: Rényi differential privacy, zero-concentrated differential privacy, and truncated concentrated differential privacy, which express different bounds on statistical divergences between two output probability distributions. In order to reason about such properties compositionally, we introduce approximate span-lifting, a novel construction extending the approximate relational lifting approaches previously developed for standard differential privacy to a more general class of divergences, and also to continuous distributions. As an application, we develop a program logic based on approximate span-liftings capable of proving relaxations of differential privacy and other statistical divergence properties.

연구 동기 및 목표

• RDP, zCDP, tCDP와 같은 미분 개인정보 보호의 완화 버전에 대해 구성적 추론 기법이 부족한 문제를 해결한다.
• 기존의 관계적 리프팅이 이산 분포와 f-발산에 국한되어 있음을 고려할 때, 이를 연속 측도와 더 넓은 발산 클래스로 일반화하여 제한을 초월한다.
• 레니 및 zCDP 관련 발산을 포함한 일반적인 발산에 대해 연속 확률 측도의 순차적 합성에 대한 의미론적 기반을 구축한다.
• 표준 미분 개인정보 보호, RDP, zCDP, tCDP를 동시에 검증할 수 있는 통합된 관계적 프로그램 논리를 설계한다.
• 이산 및 연속적 랜덤 표본 추출을 모두 사용하는 개인정보 보호 프로그램의 공식적 검증을 가능하게 하며, 통계적 발산 한계에 대한 정밀한 추론을 지원한다.

제안 방법

• 레니, zCDP, tCDP 발산을 포함하는 일반화된 발산 클래스를 도입하고, 구성적 추론을 위해 필요한 최소한의 구조적 성질을 규명한다.
• 2-워치맨 관계적 리프팅의 일반화로, 연속 설정에서 순차적 합성에 대해 닫힘을 보장하기 위해 추가 데이터를 포함한 근사 스펜 리프팅을 정의한다.
• Giry 모나드 내에서 연속 확률 측도에 대한 증거 없음 관계적 리프팅을 지원하기 위해 코디네이트 리프팅 기반의 범주론적 구성법을 수립한다.
• 특정 발산의 합성 성질(예: 레니, zCDP, tCDP)이 해당 근사 스펜 리프팅 구성법으로 번역될 수 있음을 증명한다.
• 프로그램 쌍을 근사 스펜 리프팅을 사용해 해석하는 관계적 프로그램 논리를 설계하여, 다양한 개인정보 보호 모델 간의 개인정보 보호 성질 검증을 가능하게 한다.
• 세 가지 비트리비얼 사례 연구를 통해 논리의 타당성과 적용 가능성을 입증한다. 이 사례들은 다양한 개인정보 보호 완화 모델과 표본 분포를 포함한다.

실험 결과

연구 질문

• RQ1 관계적 리프팅을 어떻게 일반화하여 연속 확률 분포를 지원하면서도 구성적 추론를 유지할 수 있는가?
• RQ2 미분 개인정보 보호 완화의 맥락에서 순차적 합성에 대해 닫힘을 보장하기 위해 필요한 구조적 성질은 무엇이며, 그것이 충분한가?
• RQ3 표준 미분 개인정보 보호, RDP, zCDP, tCDP를 동시에 검증할 수 있는 단일 프로그램 논리를 설계할 수 있는가? 이때 각 모델은 서로 다른 발산 측도를 사용한다.
• RQ4 근사 스펜 리프팅을 어떻게 구성하여 레니 발산과 그 최대 기반 변형(zCDP, tCDP)을 모델링할 수 있으며, 이를 통해 공식적 검증을 지원할 수 있는가?
• RQ5 연속 설정에서 증거 없음 리프팅과 2-워치맨 스펜 리프팅 간의 관계는 무엇이며, 후자는 검증에 더 실용적으로 만들 수 있는가?

주요 결과

• 저자들은 레니, zCDP, tCDP를 포함하는 일반적인 발산 클래스를 규명하고, 이러한 발산이 구성적 추론을 위해 필요한 성질을 만족함을 보였다.
• 근사 스펜 리프팅이 공식적으로 정의되었으며, 순차적 합성에 대해 닫혀 있음을 증명하여 연속 케이스에서의 구성적 검증이 가능해졌다.
• 이 프레임워크는 이산 및 연속 표본 추출을 모두 사용하는 프로그램의 공식적 검증을 지원하며, 하나의 관계적 프로그램 논리로 네 가지 개인정보 보호 모델을 모두 처리할 수 있다.
• 프로그램 논리는 타당성이 있으며, 세 가지 비트리비얼 예제를 통해 실제 개인정보 보호 알고리즘에 대한 적용 가능성이 입증되었다.
• 이전의 f-발산 및 2-워치맨 리프팅 작업을 일반화하여, 연속 측도와 f-발산 기반 외의 개인정보 보호 완화 모델로 확장하였다.
• 코디네이트 리프팅 기반의 증거 없음 리프팅이 근사 스펜 리프팅과 결합될 경우 특수화되고 단순화될 수 있음을 입증하여, 검증에 있어 실용성이 향상됨을 보였다.