[論文レビュー] Noninformative Bounding in Differential Privacy and Its Impact on Statistical Properties of Sanitized Results in Truncated and Boundary-Inflated-Truncated Laplace Mechanisms.

Fang Liu|arXiv (Cornell University)|Jul 28, 2016

Privacy-Preserving Technologies in Data参考文献 15被引用数 3

ひとこと要約

本稿では、境界付きデータの微分プライバシー的洗練のための非情報的境界化手順—切断されたおよび境界拡張付き切断（BIT）ラプラス機構—を提案する。これらは元の情報を漏洩させることなくプライバシーを保証する。実証的に、これらの手法は、非境界化または情報的境界化アプローチと比較して、バイアスを低減し、洗練結果の一致性を維持するという点で統計的妥当性を保つことを示している。

ABSTRACT

Protection of individual privacy is a common concern when releasing and sharing data and information. Differential privacy (DP) formalizes privacy in mathematical terms without making assumptions about the background knowledge of data intruders and thus provides a robust concept for privacy protection. Practical applications of DP involve development of differentially private mechanisms to generate sanitized results without compromising individual privacy at a pre-specified privacy budget. Differentially private mechanisms make the most sense for sanitizing bounded data in general from the data utility perspective. In this paper, we define noninformative and informative bounding procedures in sanitization of bounded data, depending on whether a bounding procedure itself leaks original information or not. We introduce differentially private truncated and boundary inflated truncated (BIT) mechanisms with bounding constraints, and apply them in the framework of the Laplace mechanism. The impacts of the two noninformative bounding procedures on the accuracy and statistical validity of sanitized results are evaluated both theoretically and empirically, in terms of bias and consistency relative to their original values and to the underlying true parameters when the statistics are estimators of some parameters.

研究の動機と目的

• 境界付きデータの微分プライバシー的洗練におけるデータ有用性を維持する挑戦に取り組み、境界化手順からの情報漏洩を最小限に抑えること。
• 微分プライバシーにおける情報的境界化と非情報的境界化の明確な区別を形式化し、プライバシーと有用性のトレードオフに焦点を当てる。
• 境界付きデータのための非情報的境界化技術として、切断および境界拡張付き切断（BIT）ラプラス機構の開発と評価を行うこと。
• これらの境界化手法が真のパラメータに対して洗練結果のバイアスと一致性に与える統計的影響を評価すること。
• 非情報的境界化における洗練結果の統計的妥当性と正確性について、理論的および実証的妥当性を提供すること。

提案手法

• 情報の漏洩がないという点で、元のデータ値を漏らさない境界化手順として非情報的境界化を定義する。これは、データに関する情報を露呈する可能性がある情報的境界化とは対照的である。
• ノイズ分布を既知のデータの境界に制限するが、プライバシー保証に影響を与えない切断ラプラス機構を導入する。
• 境界をわずかに拡張することで有用性を向上させる境界拡張付き切断（BIT）ラプラス機構を提案するが、微分プライバシーを維持する。
• ラプラス機構の枠組み内でこれらの機構を応用し、境界付きデータの洗練統計量を生成する。
• 両機構下での洗練推定子のバイアスと一致性について理論的分析を行い、真の母数と比較する。
• シミュレートされたまたは実際の境界付きデータを用いて、洗練結果の統計的性質を実証的に評価し、正確性と妥当性を測定する。

実験結果

リサーチクエスチョン

• RQ1 非情報的境界化手順は、境界付きデータにおける微分プライバシー的洗練結果の統計的バイアスにどのように影響するか？
• RQ2 切断および境界拡張付き切断（BIT）ラプラス機構は、真のパラメータに対して洗練推定子の一貫性をどの程度維持するか？
• RQ3 非情報的境界化は、非境界化または情報的境界化と比較して、洗練結果の正確性および統計的妥当性にどのような影響を与えるか？
• RQ4 境界付きデータ制約下で、切断およびBITラプラス機構はプライバシーと有用性のトレードオフにおいてどのように比較されるか？
• RQ5 非情報的境界化手順は、洗練結果が統計的に妥当であり、推論に有用であることを保証できるか？

主な発見

• 切断ラプラス機構は、特にデータが既知の境界内に閉じ込められている場合に、非境界化ラプラスノイズと比較して洗練結果のバイアスを低減する。
• 境界拡張付き切断（BIT）ラプラス機構は、境界をわずかに拡張することで、切断に起因するバイアスを低減し、有用性をさらに向上させる。
• 両非情報的境界化手法とも、洗練推定子の一貫性を維持しており、標本サイズが増加するにつれて真の母数値に収束することが保証される。
• 理論的分析により、両機構とも同じプライバシー予算下で微分プライバシーを保証することが確認され、プライバシー保証の妥当性が裏付けられる。
• 実証的結果から、非情報的境界化は、元のデータ情報を漏洩させる可能性がある情報的境界化と比較して、より正確で統計的に妥当な洗練結果をもたらすことが示された。