[논문 리뷰] Privacy Preserving Association Rule Mining Revisited

Aziz Mohaisen, Dowon Hong|ArXiv.org|2008. 08. 23.

Privacy-Preserving Technologies in Data참고 문헌 22인용 수 4

한 줄 요약

이 논문은 프라이버시 보장 연관 규칙 마이닝(PP-ARM)를 위한 FS 기법을 재검토하며, 높은 저장 및 계산 오버헤드와 위조 거래 필터링 공격에 대한 취약성을 밝혀낸다. 이를 바탕으로 FS와 PS(MASK) 기법을 융합한 하이브리드 기법을 제안하여 더 강력한 프라이버시를 확보하면서도 메모리 사용량을 줄이고 오류율을 낮춘다. 이는 이론적 분석과 실제 데이터셋을 활용한 실험을 통해 검증되었다.

ABSTRACT

The privacy preserving data mining (PPDM) has been one of the most interesting, yet challenging, research issues. In the PPDM, we seek to outsource our data for data mining tasks to a third party while maintaining its privacy. In this paper, we revise one of the recent PPDM schemes (i.e., FS) which is designed for privacy preserving association rule mining (PP-ARM). Our analysis shows some limitations of the FS scheme in term of its storage requirements guaranteeing a reasonable privacy standard and the high computation as well. On the other hand, we introduce a robust definition of privacy that considers the average case privacy and motivates the study of a weakness in the structure of FS (i.e., fake transactions filtering). In order to overcome this limit, we introduce a hybrid scheme that considers both privacy and resources guidelines. Experimental results show the efficiency of our proposed scheme over the previously introduced one and opens directions for further development.

연구 동기 및 목표

• PP-ARM에서 FS 기법의 높은 저장 및 계산 오버헤드 문제를 해결하기 위해.
• FS 기법이 위조 거래 필터링 공격에 실질적으로 취약한지 분석하기 위해.
• FS와 PS(MASK)의 장점을 융합한 하이브리드 기법을 개발하여 더 나은 프라이버시와 자원 효율성을 확보하기 위해.
• 최악의 경우 보장뿐 아니라 평균 케이스 프라이버시까지 고려한 정교한 프라이버시 정의를 제공하기 위해.
• 하이브리드 기법의 프라이버시, 오류율, 자원 사용량 측면에서의 성능을 실증적으로 평가하기 위해.

제안 방법

• 먼저 실제 데이터에 위조 거래를 삽입하는 FS 기법을 적용한 후, 이를 바탕으로 PS(MASK) 기법을 추가로 적용하여 데이터를 더욱 은폐하는 하이브리드 기법(HS)을 도입한다.
• P_HS_p = 1 - (P_PS_r / (1 + w)) 식을 사용하여 하이브리드 기법의 프라이버시를 정량화한다. 여기서 P_PS_r는 PS 기법 하에서 정확한 재식별 가능성이 있는 확률이며, w는 위조 거래의 수이다.
• 두 단계의 은폐 처리를 적용한다: 첫째, 각 실제 거래당 w개의 위조 거래를 삽입한다. 둘째, PS 기법에서 확률 p=0.5를 사용해 항목의 존재 여부를 무작위로 변형한다.
• 이론적 분석을 통해 하이브리드 기법의 프라이버시가 FS나 PS 기법 각각보다 항상 높음을 입증한다.
• BMS-WebView-1 데이터셋(59,602건의 거래, 평균 길이 l=2)을 사용하여 최소 지지도 기준(smin = 0.001, 0.0025, 0.005)을 변화시킬 때의 거짓 양성 및 거짓 음성 오류를 평가한다.
• 메모리 효율성 조건을 유도한다: 동일한 프라이버시 수준을 확보할 경우 w2 ≤ w1 이며, 이는 하이브리드 기법이 FS 기법 단독 사용보다 더 적은 저장 용량을 요구함을 증명한다.

실험 결과

연구 질문

• RQ1 FS 기법의 평균 케이스 프라이버시는 최악의 경우 보장과 비교해 어떻게 되며, 이는 실세계 구현에 어떤 영향을 미치는가?
• RQ2 FS 기법의 실제 저장 및 계산 비용은 얼마이며, 프라이버시를 희생시키지 않고도 이를 줄일 수 있는가?
• RQ3 실제로 위조 거래 필터링 공격에 더 강건한 FS 기법을 개선할 수 있는가?
• RQ4 FS 기법과 PS 기법을 융합하면 프라이버시 향상, 오류 감소, 자원 오버헤드 감소를 동시에 달성할 수 있는가?
• RQ5 제안된 하이브리드 기법에서 프라이버시, 오류율, 저장 용량 간의 이론적 및 실증적 트레이드오프는 어떠한가?

주요 결과

• 이론적으로 하이브리드 기법은 FS나 PS 기법 각각보다 더 높은 프라이버시를 확보한다. 이를 수식으로 표현하면 P_HS_p ≥ P_FS_p 및 P_HS_p ≥ P_PS_p 이다.
• 동일한 프라이버시 수준을 확보할 경우, 하이브리드 기법은 FS 기법보다 더 적은 저장 용량을 필요로 한다. P_FS_p = P_HS_p = 0.95 이고 P_PS_r = 0.3 일 때, w2 = 5로 충분하지만, FS 기법을 위해선 w1 ≥ 19 가 필요하다.
• BMS-WebView-1 데이터셋에서 실험한 결과, w=2 및 smin=0.001 조건에서 하이브리드 기법은 FS 기법 대비 거짓 양성 오류를 최대 43% 감소시키고, 거짓 음성 오류를 최대 45% 감소시켰다.
• w=4 및 smin=0.001 조건에서 하이브리드 기법은 거짓 양성 1.591건, 거짓 음성 1.620건을 기록했으며, 이는 FS 기법의 1.027건 및 1.152건과 비교해 오류 감소의 트레이드오프를 보였다.
• 원래 FS 기법의 높은 메모리 오버헤드를 크게 줄이며 높은 프라이버시를 유지함으로써, 실세계 적용에 더 실용적인 기법이 되었다.
• 분석 결과, PS 기법에서는 실제 거래의 존재가 프라이버시를 손상시키지 않으며, 반면 FS 기법은 필터링 공격에 취약함을 확인하였다.