[논문 리뷰] Information-Theoretic Privacy in Distributed Average Consensus

Nirupam Gupta, Jonathan Katz외 1명|arXiv (Cornell University)|2018. 09. 06.

Privacy-Preserving Technologies in Data참고 문헌 35인용 수 9

한 줄 요약

이 논문은 정보 이론적 보안을 보장하는 분산 평균 공감 프로토콜을 제안하며, 협력하는 수동적 공격자에 대해 정직한 에이전트의 입력을 정보 이론적으로 보호한다. 이는 새로운 분산 마스킹 메커니즘을 사용한다. 프로토콜은 정확한 평균 계산을 유지하며 정확도 손실 없이 작동하며, 공격자들이 네트워크에서 정점 컷을 형성하지 않는 한 개인정보 보장을 보장한다. 이 경우 공격자들은 정직한 에이전트의 입력 합(또는 평균) 이외의 개별 값을 알 수 없다.

ABSTRACT

We present a distributed average consensus protocol that preserves the privacy of agents' inputs. Unlike the differential privacy mechanisms, the presented protocol does not affect the accuracy of the output. It is shown that the protocol preserves the information-theoretic privacy of the agents' inputs against colluding passive adversarial (or honest-but-curious) agents in the network, if the adversarial agents do not constitute a vertex cut in the underlying communication network. This implies that we can guarantee information-theoretic privacy of all the honest agents' inputs against $t$ arbitrary colluding passive adversarial agents if the network is $(t+1)$-connected. The protocol is constructed by composing a distributed privacy mechanism that we propose with any (non-private) distributed average consensus algorithm.

연구 동기 및 목표

• 에이전트들이 이웃과 입력을 공유할 때 기존 분산 평균 공감 프로토콜에서 정보 이론적 보안의 부재 문제를 해결하기 위해.
• 정확한 평균 값을 유지하면서 정직한 에이전트의 입력을 수동적 공격자로부터 보호하는 프로토콜을 설계하기 위해.
• 공격자들이 협력하더라도 네트워크를 고립된 구성요소로 분리하지 않는 한 프라이버시를 유지하기 위해.
• 모든 정직한 에이전트가 함께 연결되어 있어야만 작동하는 것에서 벗어나, 정직한 에이전트의 부분집합에 대해서도 프라이버시 보장을 일반화하기 위해.
• 차별적 프라이버시 프로토콜에 내재된 프라이버시-정확도 트레이드오프를 피하기 위해.

제안 방법

• 각 에이전트가 이웃과 함께 무작위 값을 생성하고, 이러한 값의 차이를 기반으로 국소 마스킹을 계산하는 분산 마스킹 메커니즘을 도입한다.
• 각 에이전트는 소수 p에 대해 원래 입력에 계산된 마스킹 값을 더하여 효과적 입력을 계산한다.
• 이 마스킹 단계를 두 번째 단계에서 표준(비프라이버시) 분산 평균 공감 알고리즘과 조합한다.
• 마스킹을 통해 모든 마스킹된 입력의 합이 소수 p에 대해 원래 입력의 합과 동일하게 유지되어 전역 평균이 보존된다.
• 네트워크의 구조에 의해 프라이버시가 보장되며, 공격자들이 정점 컷을 형성하지 않는 한, 개별 입력을 초월해 합 이외의 정보를 유추할 수 없다.
• 프로토콜은 느슨한 프라이버시 정의인 (C, H)-프라이버시를 사용한다. 이는 공격 집합 C가 정직한 에이전트의 부분집합 H의 입력 합만을 알게 되며, H가 나머지 네트워크와 정직한 노드를 통해 연결되어 있을 경우에 한해 보장된다.

실험 결과

연구 질문

• RQ1 정보 이론적 보안이 정확한 평균 계산의 정확도를 훼손하지 않도록 분산 평균 공감에서 달성될 수 있는가?
• RQ2 수동적 공격자들이 정직한 에이전트의 개별 입력을 유추하는 것을 방지할 수 있는 네트워크 연결 조건은 무엇인가?
• RQ3 모든 정직한 에이전트가 완전히 연결되어 있어야만 작동하는 것에서 벗어나, 정직한 에이전트의 부분집합에 대해서도 프라이버시 보장을 확장할 수 있는가?
• RQ4 제안된 프로토콜은 차별적 프라이버시 또는 동형 암호화 기반 접근법과 비교해 프라이버시 강도와 계산 비용 측면에서 어떻게 다를 수 있는가?
• RQ5 전체 네트워크 토폴로지 지식이 필요 없이 최소한의 오버헤드로 프라이버시를 달성할 수 있는가?

주요 결과

• 공격자들이 네트워크에서 정점 컷을 형성하지 않는 한, 모든 정직한 에이전트의 입력에 대해 정보 이론적 보안을 달성한다.
• 정확한 평균 값 계산을 유지하여, 차별적 프라이버시 프로토콜에서 흔히 발생하는 정확도 손실을 피한다.
• 네트워크가 (t+1)-연결되어 있으면, 프로토콜은 임의의 t명의 협력 수동 공격자에 대해 프라이버시를 보장한다.
• 협력 공격자들이 정직한 에이전트의 입력 합(또는 평균) 이외의 정보를 알 수 없으며, 이는 공감의 목적상 피할 수 없는 것이다.
• 각 H에 속한 에이전트가 정직한 이웃을 가진 한, 프라이버시 보장이 부분집합 H로 확장되며, (C, H)-프라이버시를 통해 수학적으로 정의된다.
• 프로토콜은 이웃에 대한 국소 지식과 최소한의 오버헤드만 필요로 하며, 전체 토폴로지 지식과 높은 통신 복잡도를 요구하는 MPC 기반 또는 안전한 메시지 전송 접근법과는 달리 효율적이다.