[논문 리뷰] Privacy-Enhanced Methods for Comparing Compressed DNA Sequences

David Eppstein, Michael T. Goodrich외 1명|arXiv (Cornell University)|2011. 07. 18.

Cryptography and Data Security참고 문헌 31인용 수 11

한 줄 요약

이 논문은 통신 복잡도가 전체 시퀀스의 크기보다는 집합 차이의 크기에 비례하도록, 압축된 DNA 시퀀스를 비교하기 위한 프라이버시 강화 프로토콜을 제안한다. 이는 역전이 가능한 블룸 필터(IBF)를 사용하여 안전하고 효율적인 집합 차이 분석을 가능하게 하며, 질문자에 대한 정보 이론적 프라이버시와 데이터 소유자에 대한 정량적 프라이버시를 보장한다. 차이가 임계값을 초과할 경우, 데이터 소유자의 시퀀스가 숨겨져 있음을 99%의 신뢰도로 보장한다.

ABSTRACT

In this paper, we study methods for improving the efficiency and privacy of compressed DNA sequence comparison computations, under various querying scenarios. For instance, one scenario involves a querier, Bob, who wants to test if his DNA string, $Q$, is close to a DNA string, $Y$, owned by a data owner, Alice, but Bob does not want to reveal $Q$ to Alice and Alice is willing to reveal $Y$ to Bob \emph{only if} it is close to $Q$. We describe a privacy-enhanced method for comparing two compressed DNA sequences, which can be used to achieve the goals of such a scenario. Our method involves a reduction to set differencing, and we describe a privacy-enhanced protocol for set differencing that achieves absolute privacy for Bob (in the information theoretic sense), and a quantifiable degree of privacy protection for Alice. One of the important features of our protocols, which makes them ideally suited to privacy-enhanced DNA sequence comparison problems, is that the communication complexity of our solutions is proportional to a threshold that bounds the cardinality of the set differences that are of interest, rather than the cardinality of the sets involved (which correlates to the length of the DNA sequences). Moreover, in our protocols, the querier, Bob, can easily compute the set difference only if its cardinality is close to or below a specified threshold.

연구 동기 및 목표

• 기하급수적으로 증가하는 데이터 크기와 증가하는 프라이버시 위험에 대비해, 유전체 데이터 쿼리의 프라이버시 보장을 위한 요구가 점점 커지는 데에 대응하기 위해.
• 질병 위험 또는 민족적 배경과 같은 민감한 정보를 드러내지 않고도, 압축된 DNA 시퀀스를 효율적으로 비교할 수 있도록 하기 위해.
• 전체 시퀀스가 아닌 집합 차이에 초점을 맞춤으로써, 프라이버시 보장 유전체 쿼리의 통신 및 계산 비용을 줄이기 위해.
• 유전체 데이터 비교 프로토콜에서 질문자에 대해 정보 이론적 프라이버시와 데이터 소유자에 대해 정량적 프라이버시를 제공하기 위해.
• 알고리즘적 효율성,密码학, 생물정보학을 융합하여 확장 가능하고 안전한 유전체 데이터 처리를 가능하게 하기 위해.

제안 방법

• 이 방법은 유전체 시퀀스의 압축 표현을 사용하여 DNA 시퀀스 비교 문제를 집합 차이 문제로 환원한다.
• 대칭 차이를 표현하기 위해 역전이 가능한 블룸 필터(IBF)를 사용하며, 크기는 관심 있는 임계 기수에 비례한다.
• 질문자가 2kτ개의 셀을 가진 IBF를 구성한다. 여기서 k = ⌈log(τ/ε)⌉ + 1이며, τ 이내의 차이를 1−ε 신뢰도로 탐지할 수 있도록 보장한다.
• 데이터 소유자는 IBF를 사용해 질의에 응답하며, 오직 집합 차이만 공개함으로써, 차이가 임계값을 초과할 경우 자신의 데이터를 보호한다.
• 프로토콜은 대칭 차이가 충분히 작을 경우에만 질문자가 IBF에서 요소를 복구할 수 있도록 하여 프라이버시를 유지한다.
• 이론적 분석은 쿠폰 수집 문제의 경계를 활용하여 성공적인 복구 확률을 정량화하며, 프라이버시 보장을 위해 99%의 신뢰도를 확보한다.

실험 결과

연구 질문

• RQ1 압축된 DNA 시퀀스를 비교하기 위한 프라이버시 보장 프로토콜을 설계할 수 있는가? 이때 통신 복잡도는 시퀀스 길이에 의존하지 않는다.
• RQ2 질문자에게 정보 이론적 프라이버시를 달성하면서도, 데이터 소유자에게는 정량적 프라이버시를 제공할 수 있는가?
• RQ3 99%의 신뢰 수준을 확보하기 위해 IBF에 필요한 최소 셀 수와 해시 함수 수는 얼마인가?
• RQ4 압축 표현에서 수백만 개의 차이가 발생할 수 있는 유전체 시퀀스(수십억 염기쌍)에 적용했을 때 프로토콜의 확장성은 어떻게 되는가?
• RQ5 프라이버시와 무결성을 유지하면서도 더 복잡한 유전체 계산을 지원하기 위해 프로토콜을 확장할 수 있는가?

주요 결과

• 임계값 τ = 100이고 ε = 1/100일 경우, 질문자는 15개의 해시 함수와 3000개의 셀을 가진 IBF를 사용해야 하며, 이는 전체 시퀀스 방법 대비 저장 및 통신 비용을 크게 줄인다.
• τ = 100이고 동일한 IBF 구성 조건을 가질 경우, 데이터 소유자는 질문자 시퀀스와의 차이 수가 3461개를 초과할 경우 99%의 신뢰도로 프라이버시를 확보할 수 있다.
• 통신 비용은 전체 DNA 시퀀스 길이가 아니라 허용 가능한 최대 집합 차이 크기 τ에 비례하므로 확장성이 보장된다.
• 이론적 분석은 질문자가 성공적으로 복구할 확률이 경계되어 있으며, 차이 크기가 증가할수록 감소함을 확인하여 강력한 프라이버시 보장을 입증한다.
• 프로토콜은 질문자에게 정보 이론적 프라이버시를, 데이터 소유자에게는 정량적 프라이버시를 제공하므로 실제 유전체 데이터 응용에 적합하다.
• 낮은 IBF 크기 조건에서도 고신뢰도 프라이버시 보장을 달성할 수 있으므로, 이 방법은 유전체 규모 데이터에 대해 효율적이고 실용적이다.