[논문 리뷰] Communication-Efficient Triangle Counting under Local Differential Privacy

Jacob Imola, Takao Murakami외 1명|arXiv (Cornell University)|2021. 10. 13.

Privacy-Preserving Technologies in Data인용 수 4

한 줄 요약

이 논문은 국소적 차별적 프라이버시(LDP) 환경에서 통신 비용을 크게 줄이면서도 낮은 추정 오차를 유지하기 위해 간선 샘플링과 더블 클리핑을 도입하여 통신 효율적인 삼각형 수세기 알고리즘을 제안한다. 더블 클리핑을 적용한 제안된 ARROneNS△는 20Mbps 속도에서 다운로드 시간을 6시간에서 8초 이내로 단축시켜 LDP 기반 삼각형 수세기를 대규모 그래프에 대해 실용적으로 가능하게 한다.

ABSTRACT

Triangle counting in networks under LDP (Local Differential Privacy) is a fundamental task for analyzing connection patterns or calculating a clustering coefficient while strongly protecting sensitive friendships from a central server. In particular, a recent study proposes an algorithm for this task that uses two rounds of interaction between users and the server to significantly reduce estimation error. However, this algorithm suffers from a prohibitively high communication cost due to a large noisy graph each user needs to download. In this work, we propose triangle counting algorithms under LDP with a small estimation error and communication cost. We first propose two-rounds algorithms consisting of edge sampling and carefully selecting edges each user downloads so that the estimation error is small. Then we propose a double clipping technique, which clips the number of edges and then the number of noisy triangles, to significantly reduce the sensitivity of each user's query. Through comprehensive evaluation, we show that our algorithms dramatically reduce the communication cost of the existing algorithm, e.g., from 6 hours to 8 seconds or less at a 20 Mbps download rate, while keeping a small estimation error.

연구 동기 및 목표

• 기존 국소적 차별적 프라이버시(LDP) 삼각형 수세기 알고리즘이 사용자들이 큰 노이즈가 섞인 그래프를 다운로드해야 하는 높은 통신 비용 문제를 해결한다.
• 기존 방법이 4사이클로 인해 높은 오차를 겪는 조밀하거나 대규모 그래프에서 LDP 기반 삼각형 수세기의 추정 오차를 줄인다.
• 신뢰할 수 있는 서버에 의존하지 않고 분산형이고 프라이버시 보장이 가능한 그래프 분석을 지원하는 실용적인 LDP 프레임워크를 개발한다.
• 향상된 삼각형 수세기 기반으로 LDP 하에서 정확한 클러스터링 계수 추정을 가능하게 한다.

제안 방법

• 사용자가 먼저 샘플링된 노이즈가 섞인 그래프를 다운로드하고, 이후 로컬 노이즈 삼각형 수를 계산하는 두 라운드 LDP 프로토콜을 제안한다.
• 각 사용자가 다운로드해야 할 노이즈 그래프의 크기를 줄이기 위해 간선 샘플링을 도입하여 통신 오버헤드를 최소화한다.
• 사용자당 간선 수를 먼저 클리핑하고, 노이즈 삼각형 수를 다시 클리핑하여 민감도와 추정 오차를 줄이는 더블 클리핑 기법을 적용한다.
• 통신 비용과 추정 정확도의 균형을 이루기 위해 신중하게 선택된 샘플링 확률을 사용한다.
• 각 사용자가 자신의 삼각형에 연결된 두 간선을 관찰할 수 있음을 활용하여 노이즈 영향을 줄이고, 전체 간선을 왜곡하는 것보다 정확도를 향상시킨다.
• 4사이클(C₄)의 수를 사용하여 삼각형 수의 전역 민감도를 수식화하고, 샘플링를 통해 C₄를 줄임으로써 추정 오차를 개선할 수 있음을 보여준다.

실험 결과

연구 질문

• RQ1 추정 정확도를 훼손하지 않으면서 LDP 기반 삼각형 수세기의 통신 비용을 어떻게 줄일 수 있는가?
• RQ2 4사이클은 LDP 삼각형 수세기의 추정 오차에 어떤 영향을 미치며, 이를 어떻게 완화할 수 있는가?
• RQ3 더블 클리핑은 LDP 삼각형 수세기에서 민감도와 추정 오차를 크게 줄일 수 있는가?
• RQ4 제안된 알고리즘의 성능은 그래프 크기와 조밀함에 따라 어떻게 스케일링되는가?
• RQ5 제안된 방법은 실세계 네트워크에서 LDP 기반 삼각형 수세기의 실용적 구현을 가능하게 하는가?

주요 결과

• 더블 클리핑을 적용한 ARROneNS△ 알고리즘은 모든 데이터셋에서 가장 낮은 추정 오차를 기록하며, 특히 Gplus와 같은 대규모 또는 조밀한 그래프에서 다른 알고리즘을 압도적으로 뛰어넘는 성능을 보였다.
• 더블 클리핑 기법은 기준 방법 대비 추정 오차를 두 배에서 세 배 정도 감소시켰다.
• 20Mbps 다운로드 속도에서 통신 비용이 6시간에서 8초 이내로 감소하여 프로토콜이 실세계 구현에 실용적이게 되었다.
• 4사이클(C₄)의 수는 추정 오차의 핵심 요인이며, 간선 샘플링을 통해 C₄를 줄임으로써 정확도가 크게 향상됨을 확인했다.
• 이 방법은 LDP 하에서도 정확한 클러스터링 계수 추정을 가능하게 하여 네트워크 분석 작업에의 적용 가능성을 넓혔다.
• 고프라이버시 예산에서도 낮은 상대 오차(예: 0.21)를 유지하여 강력한 프라이버시-유용성 트레이드오프를 입증했다.