[논문 리뷰] Collective Privacy Recovery: Data-sharing Coordination via Decentralized Artificial Intelligence

Evangelos Pournaras, Mark C. Ballandies외 2명|arXiv (Cornell University)|2023. 01. 15.

Privacy-Preserving Technologies in Data참고 문헌 56인용 수 5

한 줄 요약

이 논문은 개인 간의 공동 데이터 공유를 조율함으로써 사생활 유출을 최소화하면서도 서비스 품질을 유지하는 탈중앙화된 AI 시스템을 제안한다. 27,403건의 실제 데이터 공개를 포함한 고해상도 생활 실험을 통해 AI가 중재하는 조율이 사생활 보호를 크게 회복시킬 수 있음을 입증한다 — 사생활 예측의 결정계수 R²가 최대 84%에 이를 정도이며, 서비스 제공자의 비용도 감소시킨다. 이는 태도 기반, 내재적, 보상 기반 공유 모델을 모두 능가한다.

ABSTRACT

Collective privacy loss becomes a colossal problem, an emergency for personal freedoms and democracy. But, are we prepared to handle personal data as scarce resource and collectively share data under the doctrine: as little as possible, as much as necessary? We hypothesize a significant privacy recovery if a population of individuals, the data collective, coordinates to share minimum data for running online services with the required quality. Here we show how to automate and scale-up complex collective arrangements for privacy recovery using decentralized artificial intelligence. For this, we compare for first time attitudinal, intrinsic, rewarded and coordinated data sharing in a rigorous living-lab experiment of high realism involving >27,000 real data disclosures. Using causal inference and cluster analysis, we differentiate criteria predicting privacy and five key data-sharing behaviors. Strikingly, data-sharing coordination proves to be a win-win for all: remarkable privacy recovery for people with evident costs reduction for service providers.

연구 동기 및 목표

• 탈중앙화된 AI가 사생활 손실을 최소화하기 위해 공동의 데이터 공유를 조율할 수 있는지 조사하기 위해.
• 다음 네 가지 데이터 공유 조건의 효과성을 평가하기 위해: 태도 기반, 내재적, 보상 기반, 조율 기반.
• 사생활에 민감한 데이터 공유 행동의 행동 집단과 예측 기준을 규명하기 위해.
• 실제 환경에서 AI 중재 조율의 확장성과 사생활 보호 성격을 평가하기 위해.
• 조율된 데이터 공유가 사용자와 서비스 제공자 모두에게 이로운 결과를 낳는다는 것을 입증하기 위해.

제안 방법

• 스마트폰에서 실시간으로 발생하는 실제 데이터 공개를 포함한 48시간 동안 진행된 84명 참가자의 생활 실험.
• 네 가지 실험 조건: 태도 기반(자기 보고한 사생활 민감도), 내재적(자발적 공유), 보상 기반(인centivized 공유), 조율 기반(IA 중재 조율).
• 행동 집단 식별과 데이터 공유 행동 예측을 위해 인과 추론 및 클러스터 분석을 사용.
• 공동 분석과 다중 선형 회귀를 통해 데이터 공유 기준과 요소(센서, 수집자, 맥락)의 상대적 중요도를 추정.
• 클러스터부트래핑(bootstrap validation, clusterboot)을 통해 다섯 가지 행동 집단의 안정성을 평가: 사생활 무관자(16.7%), 중립자(57.14%), 보존자(26.2%), 보상 탐색자(18%), 기회주의자(13%).
• 중앙 집중식 데이터 저장 없이 신뢰할 수 없더라도 사생활을 보호하는 탈중앙화된 비지도 다중 에이전트 AI 시스템.

실험 결과

연구 질문

• RQ1 AI 중재 조율은 태도 기반, 내재적, 보상 기반 데이터 공유와 비교해 사생활 보존과 서비스 품질 측면에서 어떻게 다른가?
• RQ2 다양한 조건에서 사생활 민감한 데이터 공유 행동의 주요 예측 변수는 무엇인가?
• RQ3 탈중앙화된 AI는 사생활 손실을 최소화하면서도 서비스 품질을 유지하는 데 있어 공동의 데이터 공유를 효과적으로 조율할 수 있는가?
• RQ4 실제 세계의 데이터 공유 결정에서 나타나는 행동 집단은 무엇이며, 기존의 사생활 유형론과 어떻게 일치하는가?
• RQ5 조율된 데이터 공유가 개인의 사생활 비용과 서비스 제공자의 운영 비용을 얼마나 감소시키는가?

주요 결과

• 조율 기반 공유 조건에서 가장 높은 사생활 보존 성과를 기록했으며, 매우 높은 사생활 수준을 예측하는 데 결정계수 R²가 0.84에 도달했고, 내재적 조건(R²=0.86)과 보상 기반 조건(R²=0.73)을 크게 앞서는 성과를 보였다.
• 센서 데이터(GPS, 소음, 조도)가 사생활 보존에 가장 높은 상대적 중요도(46.82%, 41.4%, 16.04%)를 보였고, 교육 및 환경 맥락은 가장 낮은 영향을 미쳤다.
• AI 중재 조율 시스템은 비조율 공유와 비교해 사생활 손실을 최대 84% 감소시켰으며, 사용자와 서비스 제공자 모두에게 이로운 결과를 낳는다는 것을 입증했다.
• 다섯 가지 안정적인 행동 집단이 식별되었으며, 사생활 무관자(16.7%), 중립자(57.14%), 보존자(26.2%), 보상 탐색자(18%), 기회주의자(13%)로 구성되었고, 높은 부트래핑 안정성(Jaccard >0.79)을 확보했다.
• 사용자의 사생활 민감도 인식과 실제 행동 간 괴리가 뚜렷했다: GPS와 소셜 네트워킹은 가장 민감하다고 인식되었으며(각각 51.44% 및 44.37%), 가속도계와 조도는 가장 민감도가 낮다고 인식되었다(각각 −48.56% 및 −44.28%).
• 조율 조건은 의도와 행동 간 괴리를 줄였으며, 사생활 예측의 결정계수 R²가 0.84에 도달해 원하는 사생활 결과와 실제 결과 간 강한 일치를 보였다.