[논문 리뷰] Protecting Location with Dynamic Differential Privacy under Temporal Correlations

Yonghui Xiao, Li Xiong|arXiv (Cornell University)|2014. 10. 22.

Privacy-Preserving Technologies in Data참고 문헌 28인용 수 4

한 줄 요약

이 논문은 궤적 내 시간적 상관관계를 모델링하여 이동 사용자의 위치 프라이버시를 보호하기 위해 동적 미분 프라이버시를 도입한다. 감도 힐루와 평면 등방성 기법(PIM)을 제안하며, 엄격한 프라이버시 보장을 확보하면서 노이즈를 최소화함으로써 최적의 유틸리티를 달성한다. 실세계 데이터셋을 통해 검증되었다.

ABSTRACT

Concerns on location privacy frequently arise with the rapid development of GPS enabled devices and location-based applications. While spatial transformation techniques such as location perturbation or generalization have been studied extensively, most techniques rely on syntactic privacy models without rigorous privacy guarantee. Many of them only consider static scenarios or perturb the location at single timestamps without considering temporal correlation of a moving user's locations, and hence are vulnerable to various inference attacks. While differential privacy has been accepted as a de facto standard for privacy protection, applying differential privacy in location based applications presents new challenges, as the protection needs to be enforced on the fly for a single user and needs to incorporate temporal correlation between a user's locations. In this paper, we propose a systematic solution to preserve location privacy with rigorous privacy guarantee. First, we propose a new definition, dynamic differential privacy, to account for the temporal correlation in location data. Second, we show that the well known $\ell_1$ norm sensitivity fails to capture the geometric sensitivity in multidimensional space and propose a new notion, sensitivity hull, based on which the utility of dynamic differential privacy is bounded. Third, to obtain the optimal utility we present a planar isotropic mechanism (PIM), which is the first mechanism achieving the lower bound of differential privacy. We also implement PIM on real-world datasets to demonstrate its performance.

연구 동기 및 목표

• 기존의 공간 변환 기법이 위치 데이터에 대해 엄격한 프라이버시 보장을 제공하지 못하는 문제를 해결한다.
• 이동 사용자의 궤적 내 시간적 상관관계를 모델링하여 추론 공격을 방지한다.
• 진동하는 위치 시퀀스에 적응하는 동적 미분 프라이버시 프레임워크를 개발한다.
• 다차원 노이즈 요구 조건을 포괄하는 기하학적 감도 측정법인 감도 힐루를 수립한다.
• 미분 프라이버시에 필요한 이론적 최소 노이즈를 달성하는 최적의 기법(PIM)을 설계한다.

제안 방법

• 시간적 의존성을 고려한 새로운 프라이버시 정의로 동적 미분 프라이버시를 제안한다.
• 감도 힐루—연속된 사용자 위치 간 차이의 L1 노름을 기반으로 한 기하학적 구조—를 도입하여 다차원 공간에서의 감도를 정량화한다.
• 기존의 ℓ1 노름 감도가 고차원 위치 데이터의 기하학적 제약 조건을 포착하지 못함을 입증한다.
• 감도 힐루에 따라 정렬된 평면 분포를 따라 노이즈를 주입하는 평면 등방성 기법(PIM)을 설계하여 유틸리티 손실을 최소화한다.
• PIM가 미분 프라이버시에 요구되는 이론적 최소 노이즈 하한을 달성함을 증명하여 최적의 유틸리티를 보장한다.
• 실세계 GPS 데이터셋에 PIM를 구현하고 평가하여 프라이버시-유틸리티 트레이드오프를 검증한다.

실험 결과

연구 질문

• RQ1 실시간으로 어떻게 동적이고 시간적으로 상관관계가 있는 위치 데이터에 대해 미분 프라이버시를 효과적으로 적용할 수 있는가?
• RQ2 다차원 위치 데이터에 대해 ℓ1 노름보다 더 정확한 기하학적 감도 측정법은 무엇인가?
• RQ3 이론적 최소 노이즈를 달성하면서도 미분 프라이버시를 유지할 수 있는 노이즈 주입 기법을 설계할 수 있는가?
• RQ4 제안된 감도 힐루는 전통적인 감도 측정법에 비해 프라이버시-유틸리티 트레이드오프를 어떻게 향상시키는가?
• RQ5 실세계 위치 데이터셋에서 평면 등방성 기법(PIM)의 성능은 어떠한가?

주요 결과

• 감도 힐루는 다차원 위치 데이터에서 ℓ1 노름보다 더 정확하고 기하학적으로 의미 있는 감도 측정법을 제공한다.
• 평면 등방성 기법(PIM)은 미분 프라이버시에 요구되는 이론적 최소 노이즈 하한을 달성하여 최적의 유틸리티를 보장한다.
• PIM는 강력한 프라이버시 보장을 유지하면서도 기존 기법에 비해 노이즈 크기를 크게 감소시킨다.
• 시간적 상관관계를 궤적에 모델링함으로써 제안된 동적 미분 프라이버시 프레임워크는 추론 공격에 효과적으로 저항한다.
• 실세계 GPS 데이터셋에 대한 평가를 통해 PIM는 시간적 상관관계 하에서도 높은 유틸리티와 강력한 프라이버시 보호를 유지함을 확인하였다.