[논문 리뷰] A formalization of re-identification in terms of compatible probabilities

Vicenç Torra, Klara Stokes|arXiv (Cornell University)|2013. 01. 21.

Bayesian Modeling and Causal Inference참고 문헌 10인용 수 4

한 줄 요약

이 논문은 일관된 신뢰 함수와 진정한 확률을 사용하여 데이터 프라이버시 내 재확인(re-identification)을 공식화하며, 올바른 재확인 알고리즘은 진정한 기저 확률 분포와 호환되는 신뢰 함수를 반환해야 한다고 제안한다. 주요 기여는 추가 정보가 더해질수록 알고리즘의 출력이 진정한 확률로 수렴하여 불확실성과 갈등 측도를 최소화하는 프레임워크를 확보하는 것이다.

ABSTRACT

Re-identification algorithms are used in data privacy to measure disclosure risk. They model the situation in which an adversary attacks a published database by means of linking the information of this adversary with the database. In this paper we formalize this type of algorithm in terms of true probabilities and compatible belief functions. The purpose of this work is to leave aside as re-identification algorithms those algorithms that do not satisfy a minimum requirement.

연구 동기 및 목표

• 데이터 프라이버시 내 재확인 알고리즘의 정확성에 대한 공식 기준을 수립하기 위해.
• 재확인 알고리즘이 진정한 확률 분포와 호환되는 출력을 반환해야 한다는 조건을 정의하기 위해.
• 신뢰 함수와 편지적 변환을 사용하여 재확인의 불확실성을 모델링하기 위해.
• 정보가 증가할수록 비특이성(non-specificity)이 감소하고 진정한 확률로 수렴하도록 보장하기 위해.
• 재확인 알고리즘 평가 및 검증을 위한 이론적 기반을 제공하기 위해.

제안 방법

• 재확인의 불확실성을 표현하기 위해 신뢰 함수를 사용하며, 각 신뢰 함수는 진정한 기저 확률 분포와 호환되어야 한다.
• 결정을 내리기 위해 신뢰 함수를 확률 분포로 변환하기 위해 편지적 변환(pignistic transformation)을 적용한다.
• 진정한 확률과의 호환성을 유지하면서 비특이성(imprecision)을 시간이 지남에 따라 감소시키는 수용 가능한 조합 함수를 정의한다.
• 다중 정보 조각을 처리하기 위해 조합 함수를 순환적으로 확장하여 비특이성이 단조롭게 감소하도록 보장한다.
• 신뢰 구조와 불확실성 하에서의 추론을 모델링하기 위해 이동 가능한 신뢰 모델(TBM)을 사용한다.
• 엔트로피와 비특이성 측도를 사용하여 신뢰 함수의 갈등과 부정확성을 정량화하며, 비특이성이 진정한 확률로 수렴할수록 감소함을 보여준다.

실험 결과

연구 질문

• RQ1 재확인 알고리즘이 정확하다고 간주되기 위해 충족해야 할 조건은 무엇인가?
• RQ2 신뢰 함수는 어떻게 사용하여 재확인의 불확실성을 모델링하면서도 진정한 확률과 호환될 수 있는가?
• RQ3 여러 정보 조각의 조합이 진정한 확률 분포로의 수렴을 이끌 수 있는가?
• RQ4 더 많은 정보가 통합될수록 비특이성과 갈등 측도는 어떻게 변화하는가?
• RQ5 호환성을 유지하고 불확실성을 감소시키기 위해 조합 함수가 충족해야 할 성질은 무엇인가?

주요 결과

• 재확인 알고리즘이 진정한 확률 분포와 호환되는 신뢰 함수를 반환할 경우, 정확하다고 간주된다.
• 호환되는 신뢰 함수의 편지적 변환 역시 진정한 분포와 일치하는 유효한 확률 추정치를 제공한다.
• 더 많은 정보가 추가될수록 신뢰 함수의 비특이성이 단조롭게 감소하여 불확실성이 감소함을 나타낸다.
• 신뢰 함수가 확률 분포가 되면 반드시 진정한 확률 분포와 일치하며, 이후의 조합은 그 값을 변화시키지 않는다.
• 수용 가능한 조합 함수는 호환성을 유지하고 비특이성이 추가 정보가 더해질수록 증가하지 않음을 보장한다.
• 이 프레임워크는 재확인 알고리즘이 더 많은 데이터가 통합될수록 진정한 확률로 수렴함을 보장하여 그 정확성을 검증한다.