[논문 리뷰] Audit Games

Jeremiah Blocki, Nicolas Christin외 3명|arXiv (Cornell University)|2013. 03. 02.

Infrastructure Resilience and Vulnerability Analysis참고 문헌 10인용 수 15

한 줄 요약

이 논문은 개인정보 보호 정책 집행에서 자원 배분과 위반 방지를 최적화하기 위해 처벌 매개변수를 포함한 감사 게임 모델을 제안한다. 비볼록 2차 제약 조건이 존재함에도 불구하고 근사 최적의 스택엘베르크 균형을 효율적으로 계산하기 위해 추가 고정 매개변수 가용 근사 알고리즘(FPTAS)을 제시한다.

ABSTRACT

Effective enforcement of laws and policies requires expending resources to prevent and detect offenders, as well as appropriate punishment schemes to deter violators. In particular, enforcement of privacy laws and policies in modern organizations that hold large volumes of personal information (e.g., hospitals, banks, and Web services providers) relies heavily on internal audit mechanisms. We study economic considerations in the design of these mechanisms, focusing in particular on effective resource allocation and appropriate punishment schemes. We present an audit game model that is a natural generalization of a standard security game model for resource allocation with an additional punishment parameter. Computing the Stackelberg equilibrium for this game is challenging because it involves solving an optimization problem with non-convex quadratic constraints. We present an additive FPTAS that efficiently computes a solution that is arbitrarily close to the optimal solution.

연구 동기 및 목표

• 대량의 개인 정보를 처리하는 조직에서 효과적인 내부 감사 메커니즘을 설계하는 데 도전하는 것.
• 감사에 할애하는 자원과 정책 위반을 방지하기 위한 처벌 체계 설계 간의 상호 상충 관계를 모델링하는 것.
• 비볼록 2차 제약 조건이 있는 게임 이론적 모델에서 스택엘베르크 균형을 계산하는 계산적으로 효율적인 방법을 개발하는 것.
• 실제 보안 동적 행동을 더 잘 반영하기 위해 표준 보안 게임 모델을 보완하기 위해 처벌 매개변수를 통합하는 것.

제안 방법

• 보안 게임의 일반화로 감사 게임 모델을 수학적으로 정의하며, 위반자의 행동에 영향을 주기 위해 처벌 매개변수를 도입한다.
• 감사자가 전략을 사전에 결정하고, 위반자가 합리적으로 반응하는 스택엘베르크 게임으로 강제 이행 문제를 모델링한다.
• 균형을 계산하는 것이 비볼록 2차 제약 조건이 있는 최적화 문제를 포함하므로 계산적으로 도전적인 문제임을 규명한다.
• 최적 균형에 임의로 가까운 해를 계산하기 위해 추가 고정 매개변수 가용 근사 알고리즘(FPTAS)을 제안한다.
• FPTAS는 해 공간을 반복적으로 정밀화하면서도 근사 보장을 유지함으로써 효율적인 계산을 가능하게 한다.
• 이 방법은 사용자가 정의한 에프실론(ε) 이내로 최적 스택엘베르크 균형에 수렴하는 해를 보장한다.

실험 결과

연구 질문

• RQ1 데이터 집약적인 조직에서 개인정보 보호 정책 위반을 방지하기 위해 자원 배분과 처벌 체계를 공동으로 최적화할 수 있는 방법은 무엇인가?
• RQ2 처벌 매개변수를 포함한 게임 모델에서 스택엘베르크 균형을 계산하는 데 있어 계산 복잡도는 어떻게 되는가?
• RQ3 이 감사 게임 모델에서 발생하는 비볼록 최적화 문제를 위한 효율적인 근사 알고리즘을 설계할 수 있는가?
• RQ4 처벌 매개변수를 포함함으로써 표준 보안 게임에 비해 감사 메커니즘의 효과성이 어떻게 향상되는가?

주요 결과

• 감사 게임 모델은 처벌 매개변수를 통합함으로써 표준 보안 게임을 성공적으로 일반화하여 보다 현실적인 강제 이행 역학을 모델링할 수 있다.
• 이 모델에서 스택엘베르크 균형을 계산하는 문제는 비볼록 2차 제약 조건으로 인해 계산적으로 어렵다.
• 최적 균형에 임의로 가까운 해를 계산할 수 있는 추가 FPTAS가 개발되어 고품질의 근사 해를 보장한다.
• FPTAS는 이와 같은 해결이 어려운 최적화 문제를 실용적이고 효율적으로 해결할 수 있는 방법을 제공한다.
• 이 방법은 실제 개인정보 보호 강제 이행 상황에서 최적 감사 전략의 확장 가능한 구현을 가능하게 한다.
• 모델은 전략적 처벌 사용이 자원 증가 비례 없이도 위반 방지 효과를 크게 향상시킬 수 있음을 시사한다.