[논문 리뷰] Dynamic Differential Privacy for Location based Applications.

Yonghui Xiao, Li Xiong|arXiv (Cornell University)|2014. 10. 22.

Privacy-Preserving Technologies in Data참고 문헌 40인용 수 4

한 줄 요약

이 논문은 시간적 상관관계를 고려한 동적 위치 데이터의 문제를 해결하기 위해 $δ$-location set 기반 차별적 비밀유지 기법을 제안하며, 민감도 힐라와 평면 등방성 기법(Planar Isotropic Mechanism, PIM)을 도입하여 차별적 비밀유지 제약 조건 하에서 오차를 최소화함으로써 최적의 유틸리티를 달성한다. 실험 결과 PIM는 기준 방법 대비 데이터 유틸리티에서 뚜렷한 우월성을 보였다.

ABSTRACT

Concerns on location privacy frequently arise with the rapid development of GPS enabled devices and location-based applications. While spatial transformation techniques such as location perturbation or generalization have been studied extensively, most techniques rely on syntactic privacy models without rigorous privacy guarantee. Many of them only consider static scenarios or perturb the location at single timestamps without considering temporal correlations of a moving user's locations, and hence are vulnerable to various inference attacks. While differential privacy has been accepted as a standard for privacy protection, applying differential privacy in location based applications presents new challenges, as the protection needs to be enforced on the fly for a single user and needs to incorporate temporal correlations between a user's locations. In this paper, we propose a systematic solution to preserve location privacy with rigorous privacy guarantee. First, we propose a new definition, $\delta$-location set based differential privacy, to account for the temporal correlations in location data. Second, we show that the well known $\ell_1$-norm sensitivity fails to capture the geometric sensitivity in multidimensional space and propose a new notion, sensitivity hull, based on which the error of differential privacy is bounded. Third, to obtain the optimal utility we present a planar isotropic mechanism (PIM) for location perturbation, which is the first mechanism achieving the lower bound of differential privacy. Experiments on real-world datasets also demonstrate that PIM significantly outperforms baseline approaches in data utility.

연구 동기 및 목표

• 사용자 이동성의 시간적 상관관계를 고려하지 못하는 정적이고 문법적인 개인정보 보호 모델이 위치 기반 응용 프로그램에서 성능에 한계를 가짐을 해결하기 위해.
• 시간적 순서를 갖는 위치 시퀀스에 특화된 새로운 차별적 비밀유지 정의를 수립함으로써 실시간 스트리밍 위치 데이터에 대해 엄밀한 개인정보 보장을 제공하기 위해.
• 다차원 공간에서 $µ_1$-노름 민감도의 부적합성을 해결하기 위해 기하학적 민감도 힐라 개념을 도입하여 다차원 공간에서의 민감도를 보다 잘 모델링하기 위해.
• 차별적 비밀유지 조건을 만족하면서 오차를 최소화하는 최적의 노이즈 추가 기법을 설계하여 이론적 하한값에 도달하기 위해.
• 실세계 GPS 데이터셋을 활용하여 제안된 기법의 유효성을 실증적으로 검증하고, 기존 방법 대비 뛰어난 데이터 유틸리티를 입증하기 위해.

제안 방법

• 시간에 따른 위치 집합을 고려함으로써 사용자 궤적의 시간적 상관관계를 모델링하는 새로운 개인정보 보호 정의인 $δ$-location set 기반 차별적 비밀유지를 제안한다.
• 사용자 데이터 수정에 따른 위치 집합의 최대 변화를 포괄하는 기하학적 구조인 민감도 힐라를 도입하여 다차원 공간에서 효과적이지 않은 $µ_1$-노름 민감도를 대체한다.
• 평면 상에 균일하게 노이즈를 분포시켜 오차를 최소화하면서도 새로운 개인정보 보호 정의를 만족하는 새로운 노이즈 추가 기법인 평면 등방성 기법(Planar Isotropic Mechanism, PIM)을 개발한다.
• PIM가 다차원 위치 설정에서 차별적 비밀유지의 이론적 하한값을 도달함을 증명하여 유틸리티 측면에서 최적임을 입증한다.
• 민감도 힐라를 활용하여 PIM 기법의 오차를 제한함으로써 새로운 정의 하에서 엄밀한 개인정보 보장을 보장한다.
• 실세계 GPS 데이터셋을 활용하여 유틸리티를 평가하고, 동일한 개인정보 예산 조건 하에서 PIM를 기준 방법과 비교한다.

실험 결과

연구 질문

• RQ1 시간적 상관관계가 있는 동적 위치 데이터에 대해 차별적 비밀유지를 어떻게 적응시킬 수 있으며, 강력한 개인정보 보장을 유지할 수 있는가?
• RQ2 표준 $µ_1$-노름 민감도가 다차원 위치 공간에서 민감도를 모델링하는 데 실패하는 이유는 무엇인가?
• RQ3 기하학적 민감도 측정법인 민감도 힐라가 차별적 비밀유지 하에서 위치 데이터의 진정된 민감도를 더 잘 포괄할 수 있는가?
• RQ4 다차원 차별적 비밀유지에서 오차의 이론적 하한값을 도달하는 노이즈 추가 기법이 존재하는가?
• RQ5 유사한 개인정보 제약 조건 하에서 제안된 기법은 기존 방법 대비 데이터 유틸리티 측면에서 어떻게 비교되는가?

주요 결과

• 민감도 힐라는 다차원 위치 데이터에서 $µ_1$-노름보다 더 정확하고 기하학적으로 의미 있는 민감도 측정법을 제공한다.
• 평면 등방성 기법(Planar Isotropic Mechanism, PIM)은 위치 노이즈 추가의 차별적 비밀유지에서 이론적 하한값의 오차를 도달하여 유틸리티 측면에서 최적임을 입증한다.
• 실세계 GPS 데이터셋에서 PIM는 기준 방법 대비 뚜렷한 데이터 유틸리티 우월성을 보이며 실용적 우수성을 입증한다.
• 제안된 $δ$-location set 기반 차별적 비밀유지 정의는 사용자 이동성의 시간적 상관관계를 효과적으로 포착하여 더 강력하고 현실적인 개인정보 보장을 가능하게 한다.
• 민감도 힐라는 더 좁은 오차 범위를 제공하여 기하학적 오차 추정 오류로 인한 개인정보 예산 과다 사용을 방지한다.
• 실증 결과는 PIM가 엄격한 개인정보 제약 조건 하에서도 높은 데이터 유틸리티를 유지하며, 정확성과 내구성 측면에서 기존 기법들을 능가함을 확인한다.