[논문 리뷰] Truncated Laplacian Mechanism for Approximate Differential Privacy.

Quan Geng, Wei Ding외 2명|arXiv (Cornell University)|2018. 10. 01.

Privacy-Preserving Technologies in Data인용 수 11

한 줄 요약

이 논문은 단일 실수 값 쿼리에 대해 $(\epsilon, \delta)$-차별적 프라이버시를 달성하기 위해 잘린 지수 확률 밀도 함수에서 유도된 소음 분포인 잘린 라플라스 기반 기법을 제안한다. 이 기법은 다양한 프라이버시 영역에서 소음의 진폭과 전력의 최소화 측면에서 거의 최적성을 보이며, 최적의 가우시안 기반 기법보다 수치 실험에서 뛰어난 성능을 보인다.

ABSTRACT

We derive a class of noise probability distributions to preserve $(\epsilon, \delta)$-differential privacy for single real-valued query function. The proposed noise distribution has a truncated exponential probability density function, which can be viewed as a truncated Laplacian distribution. We show the near-optimality of the proposed \emph{truncated Laplacian} mechanism in various privacy regimes in the context of minimizing the noise amplitude and noise power. Numeric experiments show the improvement of the truncated Laplacian mechanism over the optimal Gaussian mechanism by significantly reducing the noise amplitude and noise power in various privacy regions.

연구 동기 및 목표

• 단일 실수 값 쿼리에 대해 향상된 소음 효율성을 갖는 $(\epsilon, \delta)$-차별적 프라이버시를 달성하는 소음 분포를 개발하기.
• 약한 차별적 프라이버시의 맥락에서 소음의 진폭과 소음 전력을 최소화하기.
• 프라이버시 보호 소음 기법으로서 잘린 지수 분포의 이론적 및 실증적 성능 탐색하기.
• 다양한 프라이버시 영역에서 제안된 기법을 최적의 가우시안 기반 기법과 소음 효율성 측면에서 비교하기.

제안 방법

• 잘린 지수 확률 밀도 함수를 기반으로 한 소음 확률 분포를 유도하여 잘린 라플라스 분포를 구성한다.
• 표준 라플라스 분포에 대해 잘림을 적용하여 지지역을 제한하고 꼬리 확률을 감소시켜 프라이버시-유용성 트레이드오프를 향상시킨다.
• 잘린 분포의 꼬리 행동을 제어하여 $(\epsilon, \delta)$-차별적 프라이버시를 만족시키는 기법을 설계한다.
• $(\epsilon, \delta)$-차별적 프라이버시의 제약 조건 하에서 소음의 진폭과 소음 전력을 분석적으로 최소화한다.
• 이론적 분석을 통해 다양한 프라이버시 영역에서 잘린 라플라스 기반 기법의 거의 최적성 입증.
• 수치 실험을 통해 잘린 라플라스 기반 기법과 최적의 가우시안 기반 기법 간의 소음 크기 및 에너지 측면에서 비교 분석.

실험 결과

연구 질문

• RQ1 어떻게 잘린 지수 분포를 활용하여 실수 값 쿼리에 대해 $(\epsilon, \delta)$-차별적 프라이버시를 달성하는 소음 기법을 설계할 수 있는가?
• RQ2 잘린 라플라스 기반 기법은 소음의 진폭과 소음 전력을 최소화하는 데 있어 이론적으로 어떤 성능을 보이는가?
• RQ3 다양한 프라이버시 파rameter에서 잘린 라플라스 기반 기법은 최적의 가우시안 기반 기법과 비교해 소음 효율성 측면에서 어떻게 다른가?
• RQ4 어떤 프라이버시 영역에서 잘린 라플라스 기반 기법이 기존 방법보다 뚜렷한 향상을 보이는가?

주요 결과

• 잘린 라플라스 기반 기법은 $(\epsilon, \delta)$-차별적 프라이버시 제약 조건 하에서 소음의 진폭과 소음 전력의 거의 최적화를 달성한다.
• 수치 실험 결과, 다양한 프라이버시 영역에서 잘린 라플라스 기반 기법이 최적의 가우시안 기반 기법 대비 소음의 진폭과 전력을 감소시킴을 확인하였다.
• 제안된 기법은 쿼리에 추가되는 소음의 크기와 에너지를 크게 낮춤으로써 가우시안 기반 기법을 뛰어넘는 성능을 보였다.
• 연구된 환경에서 잘린 지수 분포는 표준 라플라스 또는 가우시안 기반 기법보다 더 나은 프라이버시-유용성 트레이드오프를 제공한다.