[논문 리뷰] Local Private Hypothesis Testing: Chi-Square Tests

Marco Gaboardi, Ryan Rogers|arXiv (Cornell University)|2017. 09. 21.

Privacy-Preserving Technologies in Data참고 문헌 2인용 수 19

한 줄 요약

이 논문은 라플라스/가우시안 노이즈, 지수 기법, 비트 플립을 포함한 세 가지의 별개의 비공식화 기법을 사용하여 국소적 미분적 비밀유지 조건 하에서 카이제곱 적합도 및 독립성 검정을 제안한다. 귀무가설 하에서 검정 통계량이 카이제곱 분포로 수렴함을 입증하여 타입 I 오류를 정확히 제어할 수 있으며, 실험 결과는 성능이 데이터 차원과 프라이버시 예산에 따라 달라지며, 다양한 영역에서 서로 다른 기법이 유리함을 보여준다.

ABSTRACT

The local model for differential privacy is emerging as the reference model for practical applications collecting and sharing sensitive information while satisfying strong privacy guarantees. In the local model, there is no trusted entity which is allowed to have each individual's raw data as is assumed in the traditional curator model for differential privacy. So, individuals' data are usually perturbed before sharing them. We explore the design of private hypothesis tests in the local model, where each data entry is perturbed to ensure the privacy of each participant. Specifically, we analyze locally private chi-square tests for goodness of fit and independence testing, which have been studied in the traditional, curator model for differential privacy.

연구 동기 및 목표

• 신뢰할 수 있는 중앙집중화된 관리자가 존재하지 않는 국소적 미분적 비밀유지 모델에서 범주형 데이터를 위한 비공식화 가설 검정을 설계하기 위해.
• 귀무가설 하에서 검정 통계량이 카이제곱 분포로 수렴하도록 구성함으로써 유의수준 α 이하로 타입 I 오류를 제어하기 위해.
• 국소적 미분적 비밀유지(LDP)를 만족하면서도 통계적 타당성을 유지하는 적합도 및 독립성 검정을 개발하기 위해.
• 노이즈 주입, 지수 기법, 비트 플립을 포함한 다양한 비공식화 기법의 통계적 검정력이 데이터 차원과 프라이버시 파rameter에 따라 어떻게 달라지는지 비교하기 위해.
• 실제 응용 분야인 브라우저 및 모바일 데이터 수집과 같은 분야에서 활용할 수 있는 국소 모델 기반 카이제곱 검정 설계 프레임워크를 제공하기 위해.

제안 방법

• 적합도 검정을 위한 LocalNoiseGOF, LocalExpGOF, LocalBitFlipGOF를 제안하며, 각각 라플라스/가우시안 노이즈, 지수 기법, 비트 플립 기법을 사용한다.
• 귀무가설 하에서 점차적으로 카이제곱 분포로 수렴하는 검정 통계량을 구성함으로써, 표준 카이제곱 분위수를 사용한 임계값 선택이 가능해진다.
• 독립성 검정을 위해, 유사한 비공식화 기법을 사용하는 연속표(contingency table) 기반 프레임워크로 확장한다: LocalNoiseIND, LocalExpIND, LocalBitFlipIND.
• 비중앙 카이제곱 분포를 사용하여 대립가설 하에서의 검정 통계량을 모델링함으로써 검정력 분석을 가능하게 한다.
• 각 검정이 ϵ-국소적 미분적 비밀유지 조건을 만족함을 보여주는 프라이버시 분석을 수행함으로써 개인 수준의 프라이버시 보장을 확보한다.
• 제어된 상관관계를 가진 시뮬레이션 데이터를 사용하여, 다양한 데이터 차원(r,c), 프라이버시 예산(ϵ ∈ {1,2,4}) 및 흐림 기법에 대해 검정력의 실증적 평가를 수행한다.

실험 결과

연구 질문

• RQ1 국소적 비공식화 카이제곱 검정을 설계할 수 있는가? 귀무가설 하에서 검정 통계량이 카이제곱 분포로 수렴하여 타입 I 오류 제어가 가능할 수 있는가?
• RQ2 라플라스 노이즈, 지수 기법, 비트 플립을 포함한 다양한 국소적 프라이버시 기법이 비공식화 가설 검정의 통계적 검정력에 어떤 영향을 미치는가?
• RQ3 데이터 차원, 프라이버시 예산 ϵ, 최적의 비공식화 기법 선택 간의 관계는 무엇인가? 검정력을 극대화하기 위한 최적의 기법 선택은 어떻게 달라지는가?
• RQ4 적합도 검정에서 독립성 검정으로의 확장이 국소 모델에서 통계적 타당성과 프라이버시 보장을 유지하면서 가능할 수 있는가?
• RQ5 대립가설 하에서 검정 통계량의 비중앙 파ameter는 검정력과 어떤 관계가 있는가?

주요 결과

• LocalNoiseGOF, LocalExpGOF, LocalBitFlipGOF의 검정 통계량은 귀무가설 하에서 카이제곱 분포로 수렴하여 타입 I 오류 제어를 위한 정확한 임계값 선택이 가능하다.
• 고차원 데이터에서 LocalBitFlipGOF와 LocalExpIND가 뛰어난 검정력을 보이며, 특히 (r,c) = (10,4)일 경우 노이즈 효율성이 뛰어나다.
• (r,c) = (2,2)일 경우 LocalExpIND와 LocalBitFlipIND의 검정력이 유사하며, 일부 프라이버시 영역에서는 LocalBitFlipIND가 略적으로 더 우수한 성능을 보인다.
• 각 검정의 검정력은 대립가설 하에서 검정 통계량의 비중앙 파am터에 직접적으로 연관되어 있으며, 이는 데이터 분포와 프라이버시 기법에 따라 달라진다.
• 모든 설정에서 한 가지 기법이 우월하지는 않다: LocalExpGOF는 저차원 설정에서 중간 수준의 ϵ에서 가장 우수한 성능을 보이며, 고차원 또는 고프라이버시 영역에서는 LocalBitFlipGOF가 뛰어난 성능을 보인다.
• 실증 결과는 제안된 검정이 명목 수준 α 이내로 타입 I 오류를 유지함을 확인하여, 국소적 미분적 비밀유지 조건 하에서 통계적 정확성이 검증됨을 입증한다.