[논문 리뷰] Differentially Private Hierarchical Group Size Estimation.

Yu-Hsuan Kuo, Cho-Chun Chiu외 3명|arXiv (Cornell University)|2018. 04. 02.

Privacy-Preserving Technologies in Data참고 문헌 12인용 수 3

한 줄 요약

이 논문은 개인의 기밀을 보장하면서도 국가, 주, 카운티 수준의 계층적 지리적 수준에서 가구 규모를 추정하기 위한 차별적 비밀보장 솔루션을 제안한다. 고도로 보정된 노이즈와 계층적 제약 조건을 사용하여 모든 계층 수준에서 정확성과 일관성을 유지하는 일관된 추정 프레임워크를 제안한다.

ABSTRACT

Consider the problem of estimating, for every integer j, the number of households with j people in them, while protecting the privacy of individuals. Add in a geographical component, so that the household size distribution can be compared at the national, state, and county levels. This is an instance of the private hierarchical group size estimation problem, in which each group is associated with a size and a hierarchical attribute. In this paper, we introduce this problem, along with appropriate error metrics and propose a differentially private solution that generates group size estimates that are consistent across all levels of the hierarchy.

연구 동기 및 목표

• 다양한 지리적 수준에서 가구 규모를 추정하면서도 개인의 기밀을 보존하는 문제에 대응하기 위해.
• 차별적 비밀보장 보장을 갖춘 계층적 그룹 규모 추정에 대한 공식적인 문제 설정을 정의하기 위해.
• 모든 계층 수준에서 일관된 추정을 보장하는 방법을 개발하여 독립적 추정에서 흔히 발생하는 일관성 문제를 방지하기 위해.
• 계층적 비밀보장 추정에 적합한 오차 측정 기준을 도입하기 위해.
• 제안된 방법이 추정 정확성을 희생시키지 않고도 강력한 기밀 보장 보장을 달성할 수 있음을 입증하기 위해.

제안 방법

• 이 방법은 차별적 비밀보장 하에서 계층적 그룹 규모 추정 문제를 제약 조건이 있는 최적화 과제로 공식화한다.
• 각 계층 수준의 그룹 규모 수를 보정된 노이즈로 조정하여 (ε, δ)-차별적 비밀보장 보장을 확보한다.
• 계층 수준 간 일관성 제약 조건을 적용하여 카운티 수준 추정치가 정확히 주 수준 추정치의 합이 되도록 보장한다.
• 데이터의 계층적 분해을 활용하여 비밀보장 예산을 수준 간 효율적으로 전파한다.
• 비음수성과 계층 수준 간 합 일관성을 강제하는 후처리 단계를 통합한다.
• 오차를 최소화하면서 기밀 보장을 유지하기 위해 계층적 구조를 고려한 노이즈 분포를 활용한다.

실험 결과

연구 질문

• RQ1 다양한 지리적 수준에서 개인의 기밀을 보존하면서 가구 규모를 어떻게 추정할 수 있는가?
• RQ2 계층적 비밀보장 그룹 규모 추정을 평가하기 위해 가장 적절한 오차 측정 기준은 무엇인가?
• RQ3 차별적 비밀보장 하에서 계층 수준 간 추정치의 일관성을 어떻게 확보할 수 있는가?
• RQ4 계층 수준 간 비밀보장 예산 할당과 추정 정확성 사이의 상호 교환 관계는 어떻게 되는가?
• RQ5 차별적 비밀보장 방법이 국가, 주, 카운티 수준에서 모두 정확하고 일관된 추정치를 생성할 수 있는가?

주요 결과

• 제안된 방법은 모든 계층 수준에서 (ε, δ)-차별적 비밀보장을 달성한다.
• 모든 수준에서 추정치가 일관되며, 카운티 수준의 수가 정확히 주 수준의 수의 합이 된다.
• 노이즈 보정과 계층적 제약 조건 덕분에 강력한 정확성을 유지한다.
• 독립적 추정 방법에 비해 일관성 저하와 오차 전파를 줄여 성능이 뛰어나다.
• 비밀보장 예산이 수준 간 효율적으로 할당되어 기능성을 유지하면서도 강력한 기밀 보장 보장을 확보한다.
• 이 프레임워크는 가구 데이터를 초월한 다른 계층적 그룹 규모 추정 문제에도 일반화 가능하다.