[논문 리뷰] Privacy in Search Logs

Michaela Götz, Ashwin Machanavajjhala외 3명|arXiv (Cornell University)|2009. 04. 04.

Privacy-Preserving Technologies in Data참고 문헌 36인용 수 23

한 줄 요약

이 논문은 (ǫ, δ)-확률적 차별적 프라이버시를 강제하면서도 검색 로그에서 빈도 높은 키워드, 쿼리, 클릭을 공개할 수 있도록 하는 새로운 알고리즘 ZEALOUS를 소개한다. 이는 강력한 프라이버시 보호를 보장한다. 실험적 평가 결과, ZEALOUS는 검색 품질 및 효율성에 관한 연구에 높은 유용성을 유지하면서도 손실를 최소화한다.

ABSTRACT

Search engine companies collect the “database of intentions”, the histories of their users ’ search queries. These search logs are a gold mine for researchers. Search engine companies, however, are wary of publishing search logs in order not to disclose sensitive information. In this paper, we develop a novel algorithm called ZEALOUS that for the first time enables publishing frequent keywords, queries, and clicks from a search log while achieving a very strong privacy guarantee called (ǫ, δ)-probabilistic differential privacy. An extensive experimental evaluation shows that search logs published with ZEALOUS can be used for research on both search quality and search efficiency with little loss in utility. 1

연구 동기 및 목표

• 연구를 위해 검색 로그를 공개하는 과정에서 사용자의 민감한 정보를 보호하는 데 도전하는 것.
• 사용자 프라이버시를 훼손하지 않으면서도 검색 로그에서 빈도 높은 키워드, 쿼리, 클릭을 공개할 수 있는 방법을 개발하는 것.
• (ǫ, δ)-확률적 차별적 프라이버시를 사용하여 강력한 프라이버시 보장을 달성하는 것.
• 공개된 로그의 유용성을 검색 품질 및 검색 효율성에 관한 연구를 위해 평가하는 것.

제안 방법

• ZEALOUS 알고리즘은 공개 전에 검색 로그를 익명화하기 위해 (ǫ, δ)-확률적 차별적 프라이버시를 적용한다.
• 재식별 위험을 줄이기 위해 빈도 높은 패턴—키워드, 쿼리, 클릭—만을 공개하는 데 집중한다.
• 심지어 적대적 추론 상황에서도 개인 사용자 기여가 공개된 데이터에서 구별 불가능하도록 보장한다.
• 프라이버시 침해 확률을 제어하기 위해 프라이버시 예산 (ǫ, δ)를 사용한다.
• 알고리즘은 빈도 높은 패턴을 집계하고 프라이버시 파rameter에 맞게 노이즈를 주입하여 로그를 처리한다.
• 데이터 유용성과 프라이버시 보장 강도 사이의 트레이드오프를 최적화하여 유용성과 프라이버시를 균형 잡는다.

실험 결과

연구 질문

• RQ1 강력한 프라이버시 보장을 유지하면서도 로그에서 빈도 높은 검색 패턴을 공개할 수 있는가?
• RQ2 ZEALOUS 알고리즘이 검색 품질에 관한 연구에서 얼마나 높은 유용성을 유지하는가?
• RQ3 프라이버시 예산 (ǫ, δ)가 공개된 검색 로그의 유용성과 프라이버시 트레이드오프에 어떤 영향을 미치는가?
• RQ4 ZEALOUS로 공개된 로그가 검색 효율성에 관한 의미 있는 연구를 지원할 수 있는가?
• RQ5 노이즈 주입이 쿼리 및 클릭 빈도 측정의 정확성에 어떤 영향을 미치는가?

주요 결과

• ZEALOUS는 (ǫ, δ)-확률적 차별적 프라이버시를 강제하면서도 검색 로그에서 빈도 높은 키워드, 쿼리, 클릭을 성공적으로 공개한다.
• 공개된 로그는 검색 품질에 관한 연구에 높은 유용성을 유지하며 정확도 손실가 최소한이다.
• 엄격한 프라이버시 예산 조건에서도 공개된 데이터의 유용성이 강력하게 유지되어 효과적인 프라이버시-유용성 트레이드오프를 보여준다.
• 알고리즘은 민감한 사용자 정보를暴露하지 않고도 공개된 로그를 이용한 검색 효율성 분석을 의미 있게 가능하게 한다.
• 광범위한 실험을 통해 ZEALOUS가 데이터 유용성의 떨어짐이 거의 없는 상태에서 검색 품질 및 효율성 연구를 모두 지원하는 것으로 확인되었다.