[논문 리뷰] On the Complexity of the $k$-Anonymization Problem

Venkatesan T. Chakaravarthy, Vinayaka Pandit외 1명|arXiv (Cornell University)|2010. 04. 27.

Privacy-Preserving Technologies in Data참고 문헌 10인용 수 6

한 줄 요약

이 논문은 실용적 제약 조건 하에서 $k$-anonymization 문제의 계산 복잡도를 규명하며, 수렴 수열 $m$ 이라는 상수일 때조차도 NP-난이도이자 MAXSNP-난이도임을 증명한다. 또한 문제는 $\frac{6238}{6237}$ 요인 이내로 근사화될 수 없음을 보이며, $m$과 알파벳 크기 $|\Sigma|$가 모두 상수일 경우 다항시간 내에 해결 가능하다는 것을 입증함으로써, 소수 파라미터 설정 하에서의 취급 가능성에 대한 핵심 열린 질문을 해결한다.

ABSTRACT

We study the problem of anonymizing tables containing personal information before releasing them for public use. One of the formulations considered in this context is the $k$-anonymization problem: given a table, suppress a minimum number of cells so that in the transformed table, each row is identical to atleast $k-1$ other rows. The problem is known to be NP-hard and MAXSNP-hard; but in the known reductions, the number of columns in the constructed tables is arbitrarily large. However, in practical settings the number of columns is much smaller. So, we study the complexity of the practical setting in which the number of columns $m$ is small. We show that the problem is NP-hard, even when the number of columns $m$ is a constant ($m=3$). We also prove MAXSNP-hardness for this restricted version and derive that the problem cannot be approximated within a factor of (6238/6237). Our reduction uses alphabets $Σ$ of arbitrarily large size. A natural question is whether the problem remains NP-hard when both $m$ and $|Σ|$ are small. We prove that the $k$-anonymization problem is in $P$ when both $m$ and $|Σ|$ are constants.

연구 동기 및 목표

• 수렴 수 $m$ 이 작은 실용적 제약 조건 하에서 $k$-anonymization 문제의 복잡도를 조사하기 위해.
• 이전의 감소가 임의로 큰 $m$에 의존함에도 불구하고, $m$ 이 상수일 경우에도 문제의 NP-난이도가 유지되는지 확인하기 위해.
• 특히 $O(k)$-근사 장벽과 관련하여, 상수 $m$ 하에서 문제의 근사 불가능성에 대해 검토하기 위해.
• 수렴 수 $m$ 과 알파벳 크기 $|\Sigma|$가 모두 고정된 상수일 경우 문제의 다항시간 해결 가능성 여부를 규명하기 위해.
• 유계 파라미터 영역 하에서 $k$-anonymization 의 완전한 복잡도 특성화를 제공하기 위해.

제안 방법

• 행 패턴과 익명화 패턴을 사용하여, $m=3$ 일 때조차도 $k$-anonymization 의 NP-난이도를 증명하기 위해 알려진 NP-난이도 문제로의 감소를 수행한다.
• 간격 유도 감소를 통한 MAXSNP-난이도 증명을 통해, 상수 요인의 근사 불가능성 한계를 설정한다.
• $m$ 과 $|\Sigma|$ 가 모두 상수일 경우, 상수 개의 변수를 가진 정수선형계획법(ILP)을 사용하여 문제를 최적해로 해결한다.
• 비용이 거리 체계를 따르지 않는 유사 시설 위치 문제로 익명화 작업을 모델링한다. 여기서 패턴은 시설, 행은 고객이다.
• 모든 가능한 익명화 패턴의 부분집합을 반복하여 열린(사용된) 패턴 집합을 추측한 후, 각 추측에 대해 ILP를 푼다.
• 변수 수가 상수일 경우 다항시간 내에 ILP를 해결할 수 있도록 Lenstra의 정리를 활용한다.

실험 결과

연구 질문

• RQ1 수렴 수 $m$ 이 상수일 경우, 예를 들어 $m=3$ 일 때 $k$-anonymization 문제의 NP-난이도가 유지되는가?
• RQ2 수렴 수 $m$ 이 상수일 때조차도 문제를 $\frac{6238}{6237}$ 요인 이내로 근사화할 수 있는가?
• RQ3 $m$ 과 알파벳 크기 $|\Sigma|$ 가 모두 고정된 상수일 경우 문제는 다항시간 내에 해결 가능한가?
• RQ4 $m = O(\log n)$ 일 때 $k$-anonymization 의 최고 근사 비율은 무엇이며, $O(\log k)$ 를 초월하여 향상시킬 수 있는가?
• RQ5 유계 $m$ 조건 하에서 $k$-anonymization 문제에 대해 다항시간 근사계량기법(PTAS)이 존재하는가?

주요 결과

• 수렴 수 $m$ 이 3로 고정되어 있을 때조차도 $k$-anonymization 문제의 NP-난이도가 유지됨을 증명함으로써, 실용적 복잡도에 관한 핵심 열린 질문을 해결하였다.
• 동일한 제약 조건 하에서 문제는 MAXSNP-난이도이므로, 다항시간 근사계량기법이 존재하지 않음을 의미한다.
• 문제는 $\frac{6238}{6237}$ 요인 이내로 근사화될 수 없으며, 이는 이 문제에 대해 첫 번째 명시적 근사 불가능성 한계를 설정한 것이다.
• $m$ 과 $|\Sigma|$ 가 모두 상수일 경우, 상수 개의 변수를 가진 ILP를 통해 문제를 다항시간 내에 해결할 수 있다.
• $k=7$ 일 때조차도 $\frac{6238}{6237}$ 근사 불가능성 한계가 유지됨을 보였다.
• 이 결과는 표준 복잡도 가정 하에 $O(k)$-근사 이상의 향상이 유비할 수 없음을 시사하며, 특히 유계-$m$ 영역에서 그러한 향상은 거의 불가능하다.