[논문 리뷰] Pan-Private Uniformity Testing

Kareem Amin, Matthew Joseph외 1명|arXiv (Cornell University)|2019. 11. 04.

Privacy-Preserving Technologies in Data참고 문헌 34인용 수 5

한 줄 요약

이 논문은 도메인 크기 $k$에서 순수 파닉 테스팅의 샘플 복잡도를 $Θ(k^{2/3})$로 규명하여 중앙 모델($\Theta(\sqrt{k})$)과 국지적 비밀유지 모델($\Theta(k)$) 사이의 격차를 메운다. 또한 단일 침입에 대한 파닉 비밀유지가 국지적 비밀유지 또는 다중 침입 파닉 비밀유지 모델보다 엄밀히 더 높은 유틸리티를 제공함을 증명하며, 순차적으로 상호작용하는 국지적 비밀유지 모델 역시 $\Theta(k)$ 개의 샘플을 필요로 함을 보여주는 새로운 하한선을 제시한다.

ABSTRACT

A centrally differentially private algorithm maps raw data to differentially private outputs. In contrast, a locally differentially private algorithm may only access data through public interaction with data holders, and this interaction must be a differentially private function of the data. We study the intermediate model of pan-privacy. Unlike a locally private algorithm, a pan-private algorithm receives data in the clear. Unlike a centrally private algorithm, the algorithm receives data one element at a time and must maintain a differentially private internal state while processing this stream. First, we show that pure pan-privacy against multiple intrusions on the internal state is equivalent to sequentially interactive local privacy. Next, we contextualize pan-privacy against a single intrusion by analyzing the sample complexity of uniformity testing over domain $[k]$. Focusing on the dependence on $k$, centrally private uniformity testing has sample complexity $Θ(\sqrt{k})$, while noninteractive locally private uniformity testing has sample complexity $Θ(k)$. We show that the sample complexity of pure pan-private uniformity testing is $Θ(k^{2/3})$. By a new $Ω(k)$ lower bound for the sequentially interactive setting, we also separate pan-private from sequentially interactive locally private and multi-intrusion pan-private uniformity testing.

연구 동기 및 목표

• 파닉 비밀유지 모델에서 균일성 테스팅의 샘플 복잡도를 분석하는 것. 이 모델은 중앙 및 국지적 비밀유지 모델 사이에 위치한다.
• 단일 침입에 대한 파닉 비밀유지가 국지적 비밀유지 또는 다중 침입 파닉 비밀유지 모델보다 유틸리티 측면에서 우월한가를 판단하는 것.
• 순수 파닉 비밀유지 균일성 테스팅의 샘플 복잡도에 대해 날카로운 상한 및 하한을 설정하는 것.
• 다중 침입에 대한 파닉 비밀유지가 순차적으로 상호작용하는 국지적 비밀유지 모델과 동일한지를 보여주는 것.
• 새로운 하한선을 통해 파닉 비밀유지, 순차적으로 상호작용하는 국지적 비밀유지, 다중 침입 파닉 비밀유지 모델 간의 유틸리티를 분리하는 것.

제안 방법

• 도메인 $[k]$에서의 테스팅을 $[k^{2/3}]$에서의 균일성 테스팅으로 줄이는 파닉 비밀유지 균일성 테스터를 구축하여 $\Theta(k^{2/3})$의 샘플 복잡도를 달성한다.
• 베르누이 랜덤 변수에 기반한 두 분포의 혼합에서 샘플을 추출하는 새로운 감소 기법을 사용하여 비밀유지 제약 조건을 시뮬레이션한다.
• Diakonikolas 등 [20]의 메모리 제한 하한선 기법을 응용하여 순차적으로 상호작용하는 국지적 비밀유지 모델에 대해 새로운 $\Omega(k)$ 하한선을 유도한다.
• 상호정보량과 조건부 확률 논증을 활용하여 개별 데이터 요소가 전송 내용에 미치는 영향을 제한하여 미세한 비밀유지 보장을 확보한다.
• 각 업데이트 이후 알고리즘의 내부 상태를 분석하여 단일 침입 후에도 여전히 미세한 비밀유지를 유지함을 보장한다.
• 양방향 변환을 통해 다중 침입 하에서 순수 파닉 비밀유지와 순차적으로 상호작용하는 국지적 비밀유지 모델 간의 동치성을 증명한다.

실험 결과

연구 질문

• RQ1 크기 $k$인 도메인에서 순수 파닉 비밀유지 균일성 테스팅의 최적 샘플 복잡도는 무엇인가?
• RQ2 단일 침입에 대한 파닉 비밀유지가 국지적 비밀유지 또는 다중 침입 파닉 비밀유지 모델보다 유틸리티 측면에서 유리한가?
• RQ3 다중 침입에 대한 순수 파닉 비밀유지는 순차적으로 상호작용하는 국지적 비밀유지 모델과 동일한가?
• RQ4 파닉 비밀유지 균일성 테스팅의 샘플 복잡도가 국지적 비밀유지 또는 다중 침입 파닉 비밀유지 모델의 것보다 엄밀히 더 낮을 수 있는가?
• RQ5 순차적으로 상호작용하는 국지적 비밀유지 균일성 테스팅의 샘플 복잡도는 무엇인가?

주요 결과

• 순수 파닉 비밀유지 균일성 테스팅의 샘플 복잡도는 $\Theta(k^{2/3})$이며, 이는 국지적 비밀유지 테스팅의 $\Theta(k)$ 복잡도보다 엄밀히 낮다.
• 새로운 $\Omega(k)$ 하한선은 순차적으로 상호작용하는 국지적 비밀유지 균일성 테스팅 역시 $\Theta(k)$ 개의 샘플을 필요로 함을 증명하며, 이는 파닉 비밀유지 테스팅과의 분리성을 보여준다.
• 다중 침입에 대한 순수 파닉 비밀유지는 순차적으로 상호작용하는 국지적 비밀유지 모델과 동치이므로, 그 위협 모델에서는 유틸리티 향상이 불가능하다.
• 파닉 비밀유지 테스터는 문제 크기를 $k$에서 $k^{2/3}$으로 줄여, 전체 도메인에 대한 국지적 테스팅보다 더 효율적인 해결책을 가능하게 한다.
• 분석 결과, 단일 침입에 대한 파닉 비밀유지는 국지적 비밀유지 및 다중 침입 파닉 비밀유지 모델보다 의미 있는 유틸리티 우위를 제공함을 보여준다.
• 상호정보량 논증을 통해 $m$개 샘플을 가진 국지적 비밀유지 균일성 테스터는 $I(X;M_{1:m}) = \Omega(1)$를 만족해야 하며, 이는 샘플 복잡도에 대해 $\Omega(k/\alpha^2)$ 하한선을 이끌어낸다.