[논문 리뷰] Multi-Layer Privacy-Preserving Record Linkage with Clerical Review based on gradual information disclosure

Florens Rohde, Victor Christen외 2명|arXiv (Cornell University)|2024. 12. 05.

Privacy-Preserving Technologies in Data인용 수 1

한 줄 요약

이 논문은 활성 학습과 점진적 정보 공개를 통합하여 기밀성 위험과 레이블링 노력의 양을 줄이는 다층적 기밀 보장 기록 연결 프로토콜을 제안한다. 기록별 키를 사용하고 계층적 사무 처리를 통해 속성 수준의 인코딩에서 시작하여 필요에 따라 마스크된 수동 검토로 단계적으로 승격함으로써, 최소한의 평문 노출로 높은 연결 품질을 달성하며 재식별 위험을 크게 낮추면서도 뛰어난 성능을 유지한다.

ABSTRACT

Privacy-Preserving Record linkage (PPRL) is an essential component in data integration tasks of sensitive information. The linkage quality determines the usability of combined datasets and (machine learning) applications based on them. We present a novel privacy-preserving protocol that integrates clerical review in PPRL using a multi-layer active learning process. Uncertain match candidates are reviewed on several layers by human and non-human oracles to reduce the amount of disclosed information per record and in total. Predictions are propagated back to update previous layers, resulting in an improved linkage performance for non-reviewed candidates as well. The data owners remain in control of the amount of information they share for each record. Therefore, our approach follows need-to-know and data sovereignty principles. The experimental evaluation on real-world datasets shows considerable linkage quality improvements with limited labeling effort and privacy risks.

연구 동기 및 목표

• 라벨이 부족한 훈련 데이터로 인해 기밀 보장 기록 연결(PPRL)에서 낮은 연결 품질과 높은 기밀성 위험이 발생하는 문제를 해결하기 위해.
• 계층적 검토 과정을 통해 민감한 속성의 점진적 공개를 가능하게 하여 전체 평문 사무 처리 검토가 필요한 양을 줄이기 위해.
• 각 기록마다 공개되는 정보를 데이터 소유자가 제어할 수 있도록 하여 데이터 주권을 유지하고 필요 최소 원칙을 이행하기 위해.
• 예측 결과가 상위 계층에서 하위 계층 모델을 향상시키는 피드백을 통해 전반적인 연결 정확도를 향상시키기 위해 활성 학습을 활용하여 성능을 향상시키기 위해.
• 속성 수준의 인코딩에서 기록별 키를 사용하고 선택적 속성 공개를 통해 재식별 공격을 완화하기 위해.

제안 방법

• 프로토콜은 다층 아키텍처를 사용한다: 레이어 1은 기록별 키를 사용한 기록 수준의 블룸 필터 인코딩을 적용하여 빈도 기반 재식별 공격을 방지한다.
• 레이어 2는 기록별 키를 사용한 속성 수준의 인코딩과 유사도 계산을 통해 더 정확한 분류를 가능하게 한다.
• 활성 학습 루프는 불확실한 매칭 후보를 선별하여 검토를 위해 활용하며, 속성 수준의 특징을 사용한 자동 분류로 시작한다.
• 가장 불확실한 쌍들만 마스크된 사무 처리 검토로 승격되며, 이 경우 부분적인 속성 정보가 시각적 마스크 아래에 표시된다.
• 상위 계층의 예측 결과가 하위 계층의 모델을 향상시키기 위해 되돌려 보내져 전체 연결 정확도를 향상시킨다.
• 동적으로 속성 선택을 적용하여 요청된 속성의 수를 줄여 기밀성 노출를 최소화한다.

실험 결과

연구 질문

• RQ1 계층적 활성 학습 접근법은 PPRL에서 높은 연결 품질을 유지하면서도 필요한 수동 사무 처리 검토의 수를 줄일 수 있는가?
• RQ2 기록별 키를 사용한 점진적 정보 공개는 빈도 패턴 기반 재식별 공격을 얼마나 효과적으로 완화하는가?
• RQ3 상위 계층의 예측 결과가 기밀 보장 환경에서 하위 계층 모델의 성능을 얼마나 향상시킬 수 있는가?
• RQ4 마스크된 사무 처리 검토는 전체 평문 검토에 비해 기밀성 위험과 레이블링 노력 측면에서 어떻게 비교되는가?
• RQ5 속성 선택 전략을 사용하면 연결 성능을 떨어뜨리지 않고도 민감한 속성의 공개 수를 줄일 수 있는가?

주요 결과

• 표준 속성 수준의 블룸 필터(ABF) 기반 강력한 베이스라인과 유사한 연결 품질을 달성했으며, 기밀성 향상 덕분에 약간 낮은 성능이지만 매우 높은 기밀성 수준을 확보했다.
• 특히 이름과 연도 출생과 같은 고식별성 속성의 경우, 선택적 공개와 기록별 키 기반으로 재식별 위험이 크게 감소했다.
• 최종적으로 불확실한 쌍의 2–7%만이 수동 마스크 검토를 필요로 하여 레이블링 노력의 높은 효율성을 보였다.
• 반복 과정 동안 자동으로 처리된 쌍의 비율이 40%에서 93%로 증가하여 피드백을 통한 모델 정교화가 효과적으로 이루어졌음을 보여주었다.
• 강화된 블룸 필터를 사용함으로써 전체 연결 품질은 약간 감소했지만, 기밀성 이점은 매우 컸다.
• 동적 속성 필터링은 특히 우편번호에 대해 요청된 속성의 수를 줄였지만, 미국 내 동일한 주에서 평균 유사도가 높아 효과가 약간 약화되었다.