[논문 리뷰] STatistical Election to Partition Sequentially (STEPS) and Its Application in Differentially Private Release and Analysis of Youth Voter Registration Data

Claire McKay Bowen, Fang Liu|arXiv (Cornell University)|2018. 03. 18.

Privacy-Preserving Technologies in Data인용 수 1

한 줄 요약

이 논문은 통계적 효율성을 향상시키기 위해 속성의 비유사성 기반으로 순차적으로 데이터를 분할하는 차별적 개인 정보 보호 데이터 합성 방법인 STEPS를 제안한다. 적응형 분할을 통한 노이즈 주입 최적화를 통해 STEPS는 라플라스 기반 메커니즘과 계층 히스토GRAM과 같은 전통적인 DIPS 방법보다 청소년 유권자 등록 데이터에서 데이터 유용성을 뛰어나게 유지한다.

ABSTRACT

Voter data is important in political science research and applications such as improving youth voter turnout. Privacy protection is imperative in voter data since it often contains sensitive individual information. Differential privacy (DP) formalizes privacy in probabilistic terms and provides a robust concept for privacy protection. DIfferentially Private Data Synthesis (DIPS) techniques produce synthetic data in the DP setting. However, statistical efficiency of the synthetic data via DIPS can be low due to the potentially large amount of noise injected to satisfy DP, especially in high-dimensional data. We propose a new DIPS approach STatistical Election to Partition Sequentially (STEPS) that sequentially partitions data by attributes per their differentiability of the data variability. Additionally, we propose a metric SPECKS that effectively assesses the similarity of synthetic data to the actual data. The application of the STEPS procedure on the 2000-2012 Current Population Survey youth voter data suggests STEPS is easy to implement and better preserves the original information than some DIPS approaches including the Laplace mechanism on the full cross-tabulation of the data and the hierarchical histograms generated via random partitioning.

연구 동기 및 목표

• 고차원 유권자 데이터에 대한 차별적 개인 정보 보호 데이터 합성(DIPS)에서 낮은 통계적 효율성 문제를 해결하기 위해.
• 데이터 변동성의 비유사성 기반으로 적응형으로 데이터를 분할하여 노이즈 주입을 최소화하는 방법을 개발하기 위해.
• 민감한 유권자 데이터셋에서 강력한 개인정보 보호 보장을 유지하면서도 합성 데이터의 유용성을 향상시키기 위해.
• 합성 데이터가 원본 데이터와 유사한 정도를 정확히 평가하기 위한 새로운 지표인 SPECKS를 도입하기 위해.
• 2000–2012년도 현재 인구 조사(CPS)에서 수집한 실제 청소년 유권자 등록 데이터를 기반으로 STEPS를 평가하기 위해.

제안 방법

• STEPS는 데이터 속성의 비유사성 기반으로 순차적으로 데이터를 분할하며, 이 비유사성은 값의 변화에 따른 데이터 변동성의 연속성 변화를 측정한다.
• 이 방법은 정보 손실를 최소화하면서 차별적 개인 정보 보장 조건을 만족시키는 분할 점을 선택하기 위해 통계적 선거 과정을 사용한다.
• 노이즈는 분할 구조에 따라 선택적이고 적응적으로 주입되어, 라플라스와 같은 균일한 메커니즘보다 전체적으로 더 적은 노이즈를 유도한다.
• SPECKS는 다변량 분포를 비교하고 고차원 상관관계를 포착함으로써 합성 데이터의 유사도를 평가하는 새로운 유사도 지표이다.
• 비유사성 임계값을 기반으로 하향식 분할을 반복적으로 적용하여, 비용과 유용성의 균형을 이루는 계층적 분할을 수행한다.
• 이 방법은 교차표와 히스토GRAM 기반 비교를 통해 13년간의 종단적 청소년 유권자 등록 데이터셋을 대상으로 평가된다.

실험 결과

연구 질문

• RQ1 데이터 분할 전략은 차별적 개인 정보 보호 데이터 합성에서 통계적 효율성을 어떻게 향상시킬 수 있는가?
• RQ2 비유사성 기반 순차적 분할이 균일한 노이즈 주입에 비해 데이터 유용성에 얼마나 기여하는가?
• RQ3 SPECKS라는 새로운 유사도 지표는 합성 데이터가 원본 데이터 분포와 얼마나 정확히 일치하는지 효과적으로 측정할 수 있는가?
• RQ4 STEPS는 라플라스 기반 메커니즘과 계층 히스토GRAM과 같은 기존 DIPS 방법에 비해 데이터 구조를 얼마나 잘 유지하는가?
• RQ5 적응형 분할은 고차원 유권자 데이터에서 강력한 차별적 개인 정보 보장 조건을 유지하면서도 노이즈를 줄일 수 있는가?

주요 결과

• STEPS는 전체 교차표에 라플라스 기반 메커니즘을 적용한 경우보다 합성 데이터의 유용성을 크게 향상시켜, 더 정확한 주변 및 결합 분포를 유지한다.
• 무작위 분할을 통해 생성된 계층 히스토GRAM보다 STEPS가 청소년 유권자 등록 데이터의 구조적 무결성을 더 잘 유지한다.
• SPECKS는 표준 지표보다 원본 데이터와의 상관관계가 더 높은 방식으로 합성 데이터 유사도를 효과적으로 측정한다.
• 비유사성 기반 순차적 분할은 더 효율적인 노이즈 할당을 이끌어내어 합성 추정치의 총 분산을 감소시킨다.
• 2000–2012년도 현재 인구 조사 데이터에 대한 적용 결과, STEPS는 실제 정치학 연구에 실용적이고 효과적인 것으로 확인되었다.
• STEPS는 공식적인 차별적 개인 정보 보장 조건을 충족하면서도 복잡한 데이터 관계를 더 잘 유지한다.