[논문 리뷰] DPCube: Differentially Private Histogram Release through Multidimensional Partitioning

Yonghui Xiao, Li Xiong외 2명|arXiv (Cornell University)|2012. 02. 24.

Privacy-Preserving Technologies in Data참고 문헌 40인용 수 34

한 줄 요약

DPCube는 다차원 분할을 사용하는 두 단계의 비차별적 히스토GRAM 공개 방법을 제안한다: 기준 셀 기반 전략과 혁신적인 2단계 kd-트리 접근법을 통한 v-최적 히스토GRAM. 데이터에 기반한 분할을 통해 노이즈를 최소화함으로써 선형 쿼리 및 분류, 레코드 연동과 같은 응용 분야에서 기존 방법보다 뛰어난 정확성과 강건성을 확보한다. 다양한 비밀유지 예산 하에서도 우수한 유틸리티를 달성한다.

ABSTRACT

Differential privacy is a strong notion for protecting individual privacy in privacy preserving data analysis or publishing. In this paper, we study the problem of differentially private histogram release for random workloads. We study two multidimensional partitioning strategies including: 1) a baseline cell-based partitioning strategy for releasing an equi-width cell histogram, and 2) an innovative 2-phase kd-tree based partitioning strategy for releasing a v-optimal histogram. We formally analyze the utility of the released histograms and quantify the errors for answering linear queries such as counting queries. We formally characterize the property of the input data that will guarantee the optimality of the algorithm. Finally, we implement and experimentally evaluate several applications using the released histograms, including counting queries, classification, and blocking for record linkage and show the benefit of our approach.

연구 동기 및 목표

• 임의의 워크로드에 대해 높은 유틸리티를 갖춘 비상호작용적 비차별적 히스토그램 공개 문제를 해결하기 위해.
• 비차별적 히스토그램에서 선형 카운팅 쿼리에 대한 오차를 최소화하는 다차원 분할 전략을 설계하기 위해.
• 균일도 측정을 통합하여 경계가 있는 쿼리 오차를 갖는 v-최적 히스토그램을 생성하는 2단계 kd-트리 알고리즘을 개발하기 위해.
• 실제 응용 분야인 분류 및 레코드 연동 차단에서 공개된 히스토그램의 유틸리티를 평가하기 위해.
• 데이터 기반 분할 전략이 기준 및 기존 방법에 비해 비밀유지-유틸리티 트레이드오프를 향상시킨다는 것을 입증하기 위해.

제안 방법

• 히스토그램 구축을 위해 데이터 공간을 등용도 셀로 나누는 기준 셀 기반 분할 전략을 제안한다.
• 먼저 셀 히스토그램을 구축한 후 균일도와 분산 기반으로 셀을 재귀적으로 분할하여 v-최적성을 달성하는 2단계 kd-트리 알고리즘을 도입한다.
• 각 분할 내 근사 오차를 최소화하기 위해 분할 과정에서 균일도 측정을 사용하여 히스토그램 정확도를 향상시킨다.
• 비밀유지 파rameter α에 따라 노이즈를 조정하여 비차별적 인터페이스(예: PINQ)에 쿼리를 제출함으로써 비차별적 기법을 적용한다.
• 노이즈 히스토그램에서 쿼리 답변을 재구성하기 위한 단순한 쿼리 추정 기법을 활용하여 오차 전파를 최소화한다.
• kd-트리 구축 과정에서 중간 결과를 재사용함으로써 비밀유지 인터페이스에 대한 쿼리 수를 최소화하여 효율성을 향상시킨다.

실험 결과

연구 질문

• RQ1 다차원 분할 전략은 임의의 선형 워크로드에 대해 비차별적 히스토그램의 유틸리티를 향상시킬 수 있는가?
• RQ2 분할 과정에 균일도 측정을 통합하면 경계가 있는 쿼리 오차를 갖는 v-최적 히스토그램을 생성할 수 있는가?
• RQ3 2단계 kd-트리 접근법은 기준 셀 기반 및 계층적 kd-트리 방법에 비해 쿼리 정확도와 강건성 측면에서 어떻게 비교되는가?
• RQ4 공개된 히스토그램은 분류 및 레코드 연동과 같은 후행 작업을 더 나은 비밀유지-유틸리티 트레이드오프로 지원할 수 있는가?
• RQ5 비밀유지 예산 α와 데이터 차원 수가 히스토그램 공개 방법의 성능에 어떤 영향을 미치는가?

주요 결과

• 2단계 kd-트리 방법으로 생성된 v-최적 히스토그램은 경계가 있는 쿼리 오차를 확보하고, 매끄럽게 분포된 데이터에 대해 기준 셀 기반 방법에 비해 훨씬 뛰어난 유틸리티를 달성한다.
• DPCube 히스토그램 기반 ID3 분류기는 원본 ID3(76.9%)와 유사한 정확도를 보이며, 더 효율적인 비밀유지 예산 사용 덕분에 비차별적 상호작용 기반 ID3 분류기보다 뛰어난 성능을 보인다.
• 레코드 연동 차단 과정에서 DPCube는 다양한 비밀유지 예산과 차원 수에 걸쳐 약 85%의 일관된 감소 비율을 유지하며, 계층적 kd-트리 방법을 능가한다.
• 속성 수가 증가함에 따라 DPCube는 계층적 kd-트리 접근법이 데이터 희소성으로 인해 감소 비율이 급격히 떨어지는 것과는 달리 더 뛰어난 강건성을 보인다.
• 2단계 전략은 중간 결과 재사용을 통해 비밀유지 인터페이스에 대한 쿼리 수를 줄여 정확도를 훼손하지 않고도 효율성을 향상시킨다.
• 특히 낮은 비밀유지 예산 하에서 v-최적 분할을 통한 최적화된 노이즈 할당 덕분에 분류 및 차단 작업에서 뛰어난 성능을 보이며, 우수한 성능을 확보한다.