[논문 리뷰] Composing Differential Privacy and Secure Computation: A case study on scaling private record linkage

Xi He, Ashwin Machanavajjhala외 2명|arXiv (Cornell University)|2017. 02. 02.

Privacy-Preserving Technologies in Data참고 문헌 21인용 수 11

한 줄 요약

이 논문은 강력한 프라이버시 보장을 유지하면서 일치하는 레코드를 정직하게 공개할 수 있도록 허용함으로써 효율적인 개인 정보 보호 기록 연결(PRL)을 가능하게 하는 새로운 프라이버시 모델, 출력 제약형 차별적 프라이버시(OCDP)를 제안한다. 저자들은 정확도가 완벽하고, 높은 재현율을 확보하며, 하위제곱 시간의 통신 및 계산 비용을 가지는 새로운 프로토콜을 설계하였다. 이는 기존 방법 대비 최대 100배 높은 효율성을 보이며, 종단 간 프라이버시를 공식적으로 만족시킨다.

ABSTRACT

Private record linkage (PRL) is the problem of identifying pairs of records that are similar as per an input matching rule from databases held by two parties that do not trust one another. We identify three key desiderata that a PRL solution must ensure: 1) perfect precision and high recall of matching pairs, 2) a proof of end-to-end privacy, and 3) communication and computational costs that scale subquadratically in the number of input records. We show that all of the existing solutions for PRL - including secure 2-party computation (S2PC), and their variants that use non-private or differentially private (DP) blocking to ensure subquadratic cost - violate at least one of the three desiderata. In particular, S2PC techniques guarantee end-to-end privacy but have either low recall or quadratic cost. In contrast, no end-to-end privacy guarantee has been formalized for solutions that achieve subquadratic cost. This is true even for solutions that compose DP and S2PC: DP does not permit the release of any exact information about the databases, while S2PC algorithms for PRL allow the release of matching records. In light of this deficiency, we propose a novel privacy model, called output constrained differential privacy, that shares the strong privacy protection of DP, but allows for the truthful release of the output of a certain function applied to the data. We apply this to PRL, and show that protocols satisfying this privacy model permit the disclosure of the true matching records, but their execution is insensitive to the presence or absence of a single non-matching record. We find that prior work that combine DP and S2PC techniques even fail to satisfy this end-to-end privacy model. Hence, we develop novel protocols that provably achieve this end-to-end privacy guarantee, together with the other two desiderata of PRL.

연구 동기 및 목표

• 기존의 개인 정보 보호 기록 연결(PRL) 솔루션은 높은 재현율, 완벽한 정확도, 하위제곱 계산 비용을 동시에 충족하지 못하는 격차를 해결하기 위해.
• 차별적 프라이버시의 강력한 프라이버시 보장과 함께 일치하는 레코드를 정직하게 공개할 수 있는 능력을 갖춘 새로운 프라이버시 모델, 출력 제약형 차별적 프라이버시(OCDP)를 체계화하기 위해.
• 정확도(높은 재현율과 완벽한 정확도), 종단 간 프라이버시, 효율적인 하위제곱 비용을 모두 충족하는 새로운 PRL 프로토콜을 설계하고 구현하기 위해.
• 기존의 차별적 프라이버시와 보안 계산을 조합한 하이브리드 접근 방식이, 개별 구성 요소가 프라이버시를 보장하더라도 종단 간 프라이버시 보장을 제공하지 못한다는 것을 입증하기 위해.
• 제안된 프로토콜이 입력 크기와 함께 거의 선형으로 확장되며, 보안 2자리 계산 기준선 대비 통신 및 계산 비용을 최소 두 계단 감소시킴을 실험적으로 검증하기 위해.

제안 방법

• 입력 데이터베이스에 대해 차별적 프라이버시를 보장하면서도 일치하는 레코드 쌍을 정직하게 공개할 수 있도록 허용하는 새로운 프라이버시 모델인 출력 제약형 차별적 프라이버시(OCDP)를 제안한다.
• 보안 비교의 수를 줄이기 위해 차별적 프라이버시 기반 블로킹 단계를 사용하고, 이후에 축소된 후보 쌍 집합에 대해 보안 2자리 계산(S2PC) 단계를 수행하는 프로토콜 아키텍처를 설계한다.
• 암호화된 레코드 간의 보안 비교를 수행하기 위해 히든 암호화(Paillier 암호체계)를 사용하여 계산 중 누출을 최소화한다.
• 쌍별 비교의 수를 제한하기 위해 데이터에 의존적인 블로킹 전략을 적용하여 고비용 암호 연산의 수를 감소시킨다.
• OCDP 하에서 프로토콜의 보안성을 체계화하여, 어떤 하나의 일치하지 않는 레코드의 존재 또는 부재가 출력 분포에 영향을 주지 않는다는 것을 증명한다.
• 파이썬과 python-paillier 라이브러리를 사용하여 프로토콜을 구현하고, 차원 d=50인 암호화된 레코드 비교 성능을 측정한다.

실험 결과

연구 질문

• RQ1 PRL 프로토콜이 종단 간 프라이버시와 하위제곱 계산 비용을 유지하면서도 높은 재현율과 완벽한 정확도를 동시에 달성할 수 있는가?
• RQ2 기존의 차별적 프라이버시와 보안 계산을 조합한 하이브리드 접근 방식이 실제로 종단 간 프라이버시 보장을 제공하는가?
• RQ3 일치하는 레코드를 정직하게 공개할 수 있도록 하면서도 입력 데이터베이스에 대해 차별적 프라이버시를 보장할 수 있는 새로운 프라이버시 모델을 설계할 수 있는가?
• RQ4 개인 정보 보호 기록 연결 프로토콜에서 보안 비교 수와 벽시계 실행 시간이 데이터셋 크기에 따라 어떻게 확장되는가?
• RQ5 제안된 프로토콜이 보안 2자리 계산 기준선 대비 통신 및 계산 비용을 최소 두 계단 감소시킬 수 있는가?

주요 결과

• 제안된 프로토콜은 입력 데이터베이스 크기와 출력 일치 레코드 집합 크기 양쪽 모두에서 거의 선형 확장성을 보이며, 제곱형 S2PC 기준선을 크게 능가한다.
• 보안 2자리 계산(S2PC) 기준선 대비 통신 및 계산 비용을 최소 두 계단 감소시킨다.
• 크기 n=5000인 데이터셋의 경우, S2PC 기준선은 22일 이상 소요될 것이지만, 제안된 프로토콜은 약 80시간 내에 완료되며 재현율은 1.0이다.
• 보안 비교 비용을 제외한 제안된 프로토콜의 벽시계 시간은 단 120초에 불과하여, 성능에 있어 보안 비교 비용이 지배적임을 시사한다.
• 제안된 프로토콜은 출력 제약형 차별적 프라이버시(OCDP) 모델을 충족하면서도 완벽한 정확도와 높은 재현율(평가 시 1.0)을 유지한다.
• 기존의 차별적 프라이버시와 S2PC를 조합한 하이브리드 접근 방식은 블로킹 단계가 차별적 프라이버시를 보장하더라도, S2PC 단계에서의 누출으로 인해 종단 간 프라이버시 보장을 충족하지 못한다.