[論文レビュー] Privacy in Search Logs

Michaela Götz, Ashwin Machanavajjhala+3 more|arXiv (Cornell University)|Apr 4, 2009

Privacy-Preserving Technologies in Data参考文献 36被引用数 23

ひとこと要約

本論文では、(ǫ, δ)-確率的微分プライバシーを適用することで、ユーザーの機微な情報を保護しつつ、検索ログから頻出キーワード、クエリ、クリックを公開できる新しいアルゴリズム、ZEALOUSを紹介する。実験的評価により、ZEALOUSは検索品質および効率に関する研究に高い有用性を保ちながら、最小限の損失で実現可能であることが示された。

ABSTRACT

Search engine companies collect the “database of intentions”, the histories of their users ’ search queries. These search logs are a gold mine for researchers. Search engine companies, however, are wary of publishing search logs in order not to disclose sensitive information. In this paper, we develop a novel algorithm called ZEALOUS that for the first time enables publishing frequent keywords, queries, and clicks from a search log while achieving a very strong privacy guarantee called (ǫ, δ)-probabilistic differential privacy. An extensive experimental evaluation shows that search logs published with ZEALOUS can be used for research on both search quality and search efficiency with little loss in utility. 1

研究の動機と目的

• 検索ログの公開を研究目的に活用する一方で、ユーザーの機微な情報を保護する課題に対処すること。
• ユーザーのプライバシーを損なわず、検索ログから頻出キーワード、クエリ、クリックを公開できる手法を開発すること。
• (ǫ, δ)-確率的微分プライバシーを用いて、強力なプライバシー保証を達成すること。
• 公開されたログの有用性が、検索品質および検索効率に関する研究にどの程度寄与するかを評価すること。

提案手法

• ZEALOUSアルゴリズムは、公開前に検索ログに(ǫ, δ)-確率的微分プライバシーを適用して匿名化する。
• 再識別リスクを低減するため、頻出パターン（キーワード、クエリ、クリック）のみを公開することに焦点を当てる。
• 攻撃者による推論攻撃に対しても、個々のユーザーの寄与が区別不能になるように保証する。
• プライバシー違反の確率を制御するため、プライバシー予算(ǫ, δ)を用いる。
• アルゴリズムはログを頻出パターンごとに集計し、プライバシーパラメータに適合したノイズを注入する。
• データの有用性とプライバシーの強度のトレードオフを最適化することで、有用性とプライバシーのバランスを図る。

実験結果

リサーチクエスチョン

• RQ1 頻出検索パターンをログから公開しつつ、強力なプライバシー保証を維持できるか？
• RQ2 ZEALOUSアルゴリズムは、検索品質に関する研究において、どの程度有用性を保っているか？
• RQ3 プライバシー予算(ǫ, δ)が、公開された検索ログにおける有用性とプライバシーのトレードオフにどのように影響するか？
• RQ4 ZEALOUSを用いて公開されたログは、検索効率に関する有意義な研究を可能にするか？
• RQ5 ノイズ注入が、クエリおよびクリック頻度測定の正確性にどのような影響を与えるか？

主な発見

• ZEALOUSは、(ǫ, δ)-確率的微分プライバシーを強制しつつ、検索ログから頻出キーワード、クエリ、クリックを効果的に公開できた。
• 公開されたログは、検索品質に関する研究においても高い有用性を保ち、正確性の損失は最小限に抑えられた。
• 厳しいプライバシー予算下でも、公開データの有用性が強く保たれており、効果的なプライバシー-有用性トレードオフが実現された。
• アルゴリズムは、機微なユーザー情報を露呈させることなく、検索効率に関する有意義な分析を可能にした。
• 広範な実験により、ZEALOUSはデータ有用性の劣化をほとんど認めず、検索品質および効率に関する両方の研究を支援することが確認された。