[논문 리뷰] Single-Server Private Linear Transformation: The Individual Privacy Case

Anoosheh Heidarzadeh, Nahid Esmati외 1명|arXiv (Cornell University)|2021. 06. 09.

Privacy-Preserving Technologies in Data참고 문헌 16인용 수 4

한 줄 요약

이 논문은 사용자가 K개 메시지 데이터셋에서 D개 메시지의 L개 선형 조합을 단일 서버 환경에서 개인 정보를 보호하면서 비밀리에 계산할 수 있도록 하는 Individual-Privacy Linear Transformation (IPLT)를 소개한다. 저자들은 MDS 코드를 사용하여 IPLT의 엄밀한 용량 한계를 확립하며, 특정 영역에서는 공동 비밀리 모델보다 더 낮은 다운로드 비용을 달성할 수 있음을 보여주며, 예시에서는 2/9의 비율을 기록하여 공동 비밀리 기반 최적 성능인 2/19를 능가한다.

ABSTRACT

This paper considers the single-server Private Linear Transformation (PLT) problem with individual privacy guarantees. In this problem, there is a user that wishes to obtain $L$ independent linear combinations of a $D$-subset of messages belonging to a dataset of $K$ messages stored on a single server. The goal is to minimize the download cost while keeping the identity of each message required for the computation individually private. The individual privacy requirement ensures that the identity of each individual message required for the computation is kept private. This is in contrast to the stricter notion of joint privacy that protects the entire set of identities of all messages used for the computation, including the correlations between these identities. The notion of individual privacy captures a broad set of practical applications. For example, such notion is relevant when the dataset contains information about individuals, each of them requires privacy guarantees for their data access patterns. We focus on the setting in which the required linear transformation is associated with a maximum distance separable (MDS) matrix. In particular, we require that the matrix of coefficients pertaining to the required linear combinations is the generator matrix of an MDS code. We establish lower and upper bounds on the capacity of PLT with individual privacy, where the capacity is defined as the supremum of all achievable download rates. We show that our bounds are tight under certain conditions.

연구 동기 및 목표

• 선형 변환에 사용된 각 메시지의 신원이 서버로부터 은폐되어야 하는 비밀리 선형 계산에서 개인 메시지 비밀리의 필요성을 해결하기 위해.
• 개인 비밀리 제약 조건 하에 단일 서버 비밀리 선형 변환에서 다운로드 비용의 기본 한계를 규명하기 위해.
• 특히 달성 가능한 다운로드 비율 측면에서, 더 엄격한 공동 비밀리 모델에 비해 개인 비밀리의 효율성을 비교하기 위해.
• 특히 변환 행렬이 MDS 생성 행렬인 경우, 최적 또는 근접 최적의 비율을 달성하는 프로토콜을 개발하기 위해.
• 개인 비밀리를 더 실용적이고 효율적인 비밀리 모델로 도입함으로써, 이전의 비밀리 정보 검색 및 비밀리 선형 계산 연구를 일반화하기 위해.

제안 방법

• 최대 거리 분리(MDS) 코드의 생성 행렬을 사용하여 원하는 선형 조합을 인코딩함으로써, 강건성과 효율성을 확보한다.
• 사용자는 D개 메시지 부분집합에 포함된 각 개별 메시지의 신원을 숨기기 위해, MDS 성질에 기반한 구조적 인코딩을 사용한 쿼리를 서버에 전송한다.
• 서버는 전체 데이터셋을 사용하여 선형 변환을 계산하고 결과를 반환하며, 사용자는 알려진 MDS 행렬과 쿼리의 구조를 이용해 이를 복호화한다.
• 메시지를 그룹으로 나누는 전략을 통해 효과적인 다운로드 비용을 감소시키면서도 개인 비밀리를 유지한다.
• 핵심 기법으로는 GPC-PIA에 영감을 받은 프로토콜을 활용하여 비율 (⌊K/D⌋ + R/L)⁻¹을 달성하며, 이는 개인 비밀리 제약 조건 하에서 최적화된다.
• 이론적 분석은 정보 이론적 한계를 사용하여 달성 가능한 다운로드 비율의 하한과 상한을 유도하며, 특정 조건 하에서의 엄밀함을 증명한다.

실험 결과

연구 질문

• RQ1 단일 서버 비밀리 선형 변환에서 개인 비밀리가 공동 비밀리보다 더 낮은 다운로드 비용을 달성할 수 있는가?
• RQ2 개인 비밀리 제약 조건 하에서 비밀리 선형 변환의 기본 용량 한계는 무엇인가?
• RQ3 MDS 코드의 사용이 IPLT에서 달성 가능한 비율과 비밀리 보장에 어떤 영향을 미치는가?
• RQ4 IPLT에 대한 유도된 하한 및 상한 용량 한계가 어떤 조건에서 엄밀한가?
• RQ5 제안된 프로토콜이 다운로드 효율성 측면에서 기존의 공동 비밀리 기반 방법보다 뛰어날 수 있는가?

주요 결과

• 제안된 IPLT 프로토콜은 주어진 예시에서 다운로드 비율 2/9를 달성하며, 최적의 공동 비밀리 프로토콜인 2/19보다 뚜렷이 뛰어나다.
• IPLT의 용량은 하한 및 상한으로 제한되며, 특히 변환 행렬이 MDS 생성 행렬인 경우 특정 조건 하에서 엄밀한 것으로 밝혀졌다.
• 개인 비밀리는 공동 비밀리보다 엄격하지 않지만, 필요한 선형 조합 수 L이 K에 비해 작을 경우, 더 낮은 다운로드 비용을 달성할 수 있다.
• GPC-PIA에 영감을 받은 프로토콜은 (⌊K/D⌋ + R/L)⁻¹의 비율을 달성하며, 이는 주어진 설정에서 최적이며 개인 비밀리의 이점을 보여준다.
• 이론적 분석은 개인 비밀리를 활용하여 보안을 훼손하지 않으면서도 통신 오버헤드를 줄일 수 있음을 확인하며, 특히 D가 클 경우 더욱 두드러진다.
• 결과적으로 개인 비밀리는 운영적으로 의미 있는 모델일 뿐 아니라, 비밀리 선형 계산의 효율성 측면에서 공동 비밀리보다 실질적으로 뛰어나다는 것이 입증되었다.