[논문 리뷰] Worst-Case Background Knowledge for Privacy-Preserving Data Publishing

David Martín, Daniel Kifer외 3명|arXiv (Cornell University)|2007. 05. 19.

Privacy-Preserving Technologies in Data참고 문헌 29인용 수 18

한 줄 요약

이 논문은 개인정보 유출 방지 데이터 공개에서 최악의 배경 지식에 대한 형식적 프레임워크를 제안하며, 논리적 언어에서 기본 함의를 사용해 공격자 지식을 모델링한다. 이는 최대 k개의 지식 조각에 대해 다항 시간 알고리즘을 통해 최대 유출량을 계산하고, 최악의 유출량이 임계값 이하로 유지되도록 데이터를 정제하는 방법을 제공함으로써, k-익명성 또는 ℓ-다양성보다 더 강력한 개인정보 보호 보장을 제공한다.

ABSTRACT

Recent work has shown the necessity of considering an attacker's background knowledge when reasoning about privacy in data publishing. However, in practice, the data publisher does not know what background knowledge the attacker possesses. Thus, it is important to consider the worst-case. In this paper, we initiate a formal study of worst-case background knowledge. We propose a language that can express any background knowledge about the data. We provide a polynomial time algorithm to measure the amount of disclosure of sensitive information in the worst case, given that the attacker has at most a specified number of pieces of information in this language. We also provide a method to efficiently sanitize the data so that the amount of disclosure in the worst case is less than a specified threshold.

연구 동기 및 목표

• 공개된 데이터에서 개인을 재식별할 때 공격자가 가질 수 있는 최악의 배경 지식을 형식적으로 모델링하기.
• 공격자 지식이 제한된 조건에서, k개의 기본 함의로 측정된 민감한 정보의 최대 유출량을 정량화하기.
• 공격자의 구체적 배경 지식을 사전에 알지 못해도 최악의 유출량을 계산할 수 있는 효율적인 알고리즘 개발하기.
• 최악의 배경 지식 상황에서도 유출이 사용자가 지정한 임계값 이하로 유지되도록 보장하는 정제 방법 제공하기.
• 기본 함의의 논리적 언어를 통해 더 풍부한 지식 클래스를 고려함으로써 k-익명성과 ℓ-다양성의 한계를 초월하기.

제안 방법

• 논문은 데이터에 대한 가능한 모든 배경 지식을 표현할 수 있는 기본 함의의 논리적 언어를 정의한다. 예를 들어 기능적 의존성 또는 속성-값 제약 조건을 포함한다.
• c는 유출 임계값이고 k는 공격자가 가질 수 있는 기본 함의의 최대 수임을 고려한 (c,k)-안전성 개념을 도입한다.
• 모든 가능한 k개의 기본 함의 집합에 대해 최악의 유출량을 계산할 수 있는 다항 시간 알고리즘을 개발하여 효율적인 프라이버시 분석을 가능하게 한다.
• 기존의 격자 탐색 알고리즘과 통합하여, 모든 가능한 k개 지식 조합에 대해 강건한 버킷화(데이터 익명화)를 찾는 데 활용한다.
• 튜플을 그룹화하고 민감한 값을 순열화하는 버킷화 기법을 사용하며, 비민감한 속성을 일반화하여 재식별을 방지한다.
• 최악의 상황에서도, 공격자가 k개를 초과하는 관련 지식을 가진 경우에만 민감한 값의 유출 확률이 임계값 c를 초과한다.

실험 결과

연구 질문

• RQ1 공격자가 최대 k개의 배경 지식 조각을 가질 경우, 민감한 정보의 최대 유출량은 얼마인가?
• RQ2 공격자의 정확한 지식를 알지 못해도 최악의 유출량을 효율적으로 계산할 수 있는가?
• RQ3 최악의 배경 지식 조건에서도 유출가 임계값 이하로 유지되도록 데이터셋을 정제할 수 있는가?
• RQ4 이 방법은 k-익명성과 ℓ-다양성과 비교해 배경 지식에 대한 강건성 측면에서 어떻게 다른가?
• RQ5 배경 지식을 표현하는 데 사용되는 논리적 언어의 선택이 정제 과정의 과도한 보수성에 어떤 영향을 미치는가?

주요 결과

• 논문은 공격자가 최대 k개의 기본 함의를 가진 경우 민감한 정보의 최악의 유출량을 계산할 수 있는 다항 시간 알고리즘을 제시하여 효율적인 프라이버시 분석을 가능하게 한다.
• 이 프레임워크는 데이터 정제를 통해 (c,k)-안전성을 달성할 수 있으며, 이는 어떤 k개 지식 조합에 대해서도 유출이 항상 임계값 c를 초과하지 않음을 보장한다.
• 이 방법은 복잡한 논리적 조합을 포함한 더 넓은 범위의 배경 지식에 대비하여 ℓ-다양성보다 프라이버시 강건성에서 뛰어나다.
• 계산적으로 효율적이며 기존의 격자 기반 탐색 알고리즘과 통합되어 최적의 버킷화를 찾는 데 유용하다.
• 실험 결과에 따르면 ℓ-다양성과 제안된 (c,k)-안전성 모델 간 최대 유출량이 유사하여, (c,k)-안전성이 더 강력한 프라이버시 보장을 제공함을 시사한다.
• 프레임워크는 확장 가능하다. 기본 함의의 언어에 더 표현력 있는 원소를 추가하면 정제 과정의 과도한 보수성을 줄일 수 있다.