[논문 리뷰] D4D-Senegal: The Second Mobile Phone Data for Development Challenge

Yves-Alexandre de Montjoye, Zbigniew Smoreda외 3명|arXiv (Cornell University)|2014. 07. 18.

Human Mobility and Location-Based Analysis참고 문헌 2인용 수 111

한 줄 요약

이 논문은 세네갈의 900만 명 사용자(2013년)의 익명화된 통화 세부 기록(CDR)을 제공하는 대규모 모바일폰 데이터 챌린지인 D4D-Senegal을 소개한다. 이 데이터셋은 세 가지 개인정보 보호 기법을 적용한 데이터로 구성되어 있으며, 시간대별 사이트 간 트래픽, 약 30만 명의 사용자에 대한 세밀한 2주 간 이동 경로, 그리고 약 15만 명의 사용자에 대한 연간 행정구역 수준의 개략적 이동 경로이다. 본 연구는 재식별 위험을 줄이기 위해 공간적 왜곡, 시간대 분할, 행동 지표의 3-익명화를 통해 새로운 사회경제적 연구를 가능하게 하였다.

ABSTRACT

The D4D-Senegal challenge is an open innovation data challenge on anonymous call patterns of Orange's mobile phone users in Senegal. The goal of the challenge is to help address society development questions in novel ways by contributing to the socio-economic development and well-being of the Senegalese population. Participants to the challenge are given access to three mobile phone datasets. This paper describes the three datasets. The datasets are based on Call Detail Records (CDR) of phone calls and text exchanges between more than 9 million of Orange's customers in Senegal between January 1, 2013 to December 31, 2013. The datasets are: (1) antenna-to-antenna traffic for 1666 antennas on an hourly basis, (2) fine-grained mobility data on a rolling 2-week basis for a year with bandicoot behavioral indicators at individual level for about 300,000 randomly sampled users, (3) one year of coarse-grained mobility data at arrondissement level with bandicoot behavioral indicators at individual level for about 150,000 randomly sampled users

연구 동기 및 목표

• 대규모 익명화된 모바일폰 메타데이터를 활용해 세네갈에서 데이터 기반 개발 연구를 가능하게 하기 위해.
• 모바일폰 데이터의 개인정보 위험을 공간적 왜곡, 시간대 분할, 행동 지표의 3-익명화를 통해 해결하기 위해.
• 연구자들이 사회경제적 분석을 위해 세 가지 서로 다른, 유티리티-개인정보 보호 균형을 고려한 데이터셋을 제공함으로써 개방형 혁신을 지원하기 위해.
• 국제 연구자들과 현지 세네갈 기관 간 협력을 촉진하기 위해 공동 데이터 공유 및 협업 플랫폼을 통해 협력하기 위해.
• 실제 세계의 데이터를 제공함으로써 인간 이동성, 사회망, 행동 패턴을 대규모로 연구할 수 있는 실용적 데이터셋을 제공함으로써 계산 기반 사회과학을 발전시키기 위해.

제안 방법

• 사용자 고유의 모바일폰 번호를 별칭화 및 실제 지리적 좌표 제거를 통해 익명화하기 위해.
• 진짜 안테나 위치를 음영화하기 위해 베론로이 세포 무작위화를 통한 공간적 왜곡을 적용하여 재식별 위험을 감소시키기 위해.
• 사용자 선별 기준으로 두 가지 기준을 적용: 각 기간 동안 75% 이상 활동한 일수, 주간 상호작용 수 1,000회 이하로 기계나 공유 기기 사용자를 제외하기 위해.
• 세 가지 데이터셋 생성: (1) 시간대별 사이트 간 트래픽, (2) 사이트 수준에서의 2주간 이동 경로, (3) 행정구역 수준에서의 연간 개략적 이동 경로.
• Bandicoot 툴박스를 사용해 행동 지표 계산, 예를 들어 연락처 엔트로피, 활동 일수, 통화 지속 시간 평균 등.
• 시간대 분할된 행동 데이터에서 이질적 값을 나타내는 값에 대해 3-익명화를 적용하여 재식별 위험을 추가로 완화하기 위해.

실험 결과

연구 질문

• RQ1 개발도상국 환경에서 모바일폰 통화 세부 기록을 활용해 어떤 방식으로 사회경제적 패턴과 이동 행동을 대규모로 추론할 수 있는가?
• RQ2 연구 목적을 위해 대규모 모바일폰 메타데이터를 공개할 경우, 데이터 유티리티와 개인정보 보호 간의 상호 교환 관계는 어떠한가?
• RQ3 익명화되고 집계된 모바일폰 데이터는 세네갈에서 빈곤 모니터링이나 도시 계획과 같은 의미 있는 개발 연구를 지원할 수 있는가?
• RQ4 CDR에서 유도된 행동 지표는 세네갈의 실제 사회경제적 조건과 어떤 관련이 있는가?
• RQ5 연구 유티리티를 손상시키지 않은 채로 모바일폰 데이터를 공개하기 위한 가장 효과적인 개인정보 보호 기법은 무엇인가?

주요 결과

• D4D-Senegal 챌린지는 세 가지 데이터셋을 공개하였다: 1,666개 안테나에 대한 시간대별 사이트 간 트래픽, 25개의 2주 기간 동안 약 30만 명의 사용자에 대한 세밀한 이동 경로, 행정구역 수준에서의 연간 개략적 이동 경로.
• 베론로이 세포 무작위화를 통한 공간적 왜곡이 진짜 안테나 위치를 음영화하는 데 성공하여 재식별 위험을 감소시키면서도 데이터 유티리티를 유지하였다.
• 시간대 분할된 행동 지표에 3-익명화를 적용함으로써 연락처 엔트로피 및 활동 지표에서 이질적 값을 가진 값의 재식별 위험을 완화시켰다.
• 각 사용자당 14개의 행동 지표를 계산할 수 있었으며, 활동 일수, 통화 지속 시간 평균, 연락처 엔트로피 등 행동 연구에 유용하였다.
• 연구자들이 현지 세네갈 기관과의 맥락 인식 분석을 위해 협력할 수 있도록 전용 Sparkboard 플랫폼을 통해 국제적 협력을 촉진하였다.
• 엄격한 개인정보 보호 파이프라인을 따르며 데이터 공개를 수행하였으며, 사용자 필터링, 시간 및 공간 집계, 익명화를 포함하여 개발 연구 분야에서 윤리적 데이터 공유의 기준을 설정하였다.