[논문 리뷰] U.S. Broadband Coverage Data Set: A Differentially Private Data Release

Mayana Pereira, Kim Allen외 4명|arXiv (Cornell University)|2021. 03. 24.

Privacy-Preserving Technologies in Data참고 문헌 7인용 수 5

한 줄 요약

이 논문은 개인의 개인정보를 보호하면서도 공공 이용을 가능하게 하기 위해 라플라스 기반 노이즈 주입을 통해 주소 코드 수준에서 미국의 고속 인터넷 보급 데이터셋을 차별적으로 비공식화한 것을 제시한다. 추가적인 개인정보 유출 없이 오차 범위를 추정할 수 있도록 후처리 시뮬레이션 방법을 도입하여, 다양한 규모의 인구에서의 유틸리티에 대한 투명성을 확보한다.

ABSTRACT

Broadband connectivity is a key metric in today's economy. In an era of rapid expansion of the digital economy, it directly impacts GDP. Furthermore, with the COVID-19 guidelines of social distancing, internet connectivity became necessary to everyday activities such as work, learning, and staying in touch with family and friends. This paper introduces a publicly available U.S. Broadband Coverage data set that reports broadband coverage percentages at a zip code-level. We also explain how we used differential privacy to guarantee that the privacy of individual households is preserved. Our data set also contains error ranges estimates, providing information on the expected error introduced by differential privacy per zip code. We describe our error range calculation method and show that this additional data metric does not induce any privacy losses.

연구 동기 및 목표

• 주소 코드 수준에서 고속 인터넷 접근 데이터를 공개할 때의 개인정보-유틸리티 트레이드오프를 해결하기 위해.
• 개인 가구의 개인정보를 유지하면서도 정책 및 연구에 유용한 데이터를 유지하기 위한 방법을 개발하기 위해.
• 차별적 비공식화의 영향을 정량화하기 위해 각 주소 코드에 대한 투명한 오차 추정을 제공하기 위해.
• 후처리에 의한 추가 개인정보 유출 없이 오차 범위 추정이 가능하도록 보장하기 위해 (후처리 면역성 확보).
• 차별적 비공식화된 공개 데이터셋을 활용하여 공정한 고속 인터넷 자금 지원 결정을 지원하기 위해.

제안 방법

• 익명화된 마이크로소프트 서비스 사용 데이터(장치 대역폭, 다운로드 시간, 역방향 IP 기반 주소 코드 해상도 포함)를 사용하여 고속 인터넷 보급 추정치를 계산한다.
• 감도 Δf = 1인 카운트 쿼리(예: 주소 코드당 고속 연결 수)에 라플라스 기반 메커니즘을 적용하며, ε-차별적 비공식화를 달성하기 위해 척도 λ = 1/ε를 사용한다.
• 시뮬레이션 기반 오차 추정 과정을 통해 각 주소 코드에 대해 독립적인 라플라스 노이즈(척도 1/ε)를 사용하여 k개의 독립적인 차별적 비공식화된 카운트(H, M, O) 샘플을 생성한다.
• 각 주소 코드에서 노이즈가 추가된 카운트로부터 고속 인터넷 보급 추정치(BCE)를 재계산하고, 진정한(비공식화된) BCE와의 차이를 사용하여 오차 지표를 산출한다.
• 모의 오차 분포 d^z에서 평균 절대 오차(MAE), 95번째 백분위수 오차, 평균 부호 오차(MSD)와 같은 오차 지표를 유도한다.
• 모든 오차 범위 계산은 오직 차별적 비공식화된 카운트만을 사용하는 후처리 과정에서 수행되며, 후처리 면역성 덕분에 추가 개인정보 유출이 발생하지 않는다.

실험 결과

연구 질문

• RQ1 어떻게 주소 코드 수준에서 고속 인터넷 보급 데이터를 공개하면서도 개인 가구의 개인정보를 보호할 수 있는가?
• RQ2 다양한 규모의 인구를 가진 주소 코드에서 차별적 비공식화가 고속 인터넷 보급 추정치의 정확성에 어떤 영향을 미치는가?
• RQ3 추가 개인정보 유출 없이 차별적 비공식화 데이터의 오차 범위를 추정할 수 있는가?
• RQ4 주소 코드의 인구 규모에 따라 고속 인터넷 보급 추정치의 오차는 어떻게 변화하는가?
• RQ5 정책 및 연구 응용 분야에서 차별적 비공식화된 고속 인터넷 보급 데이터셋의 유틸리티는 어떠한가?

주요 결과

• 고속 인터넷 보급 데이터셋은 주소 코드 수준에서 ε-차별적 비공식화를 제공하여 개인 가구 데이터가 재식별될 수 없음을 보장한다.
• 후처리 면역성 특성 덕분에 시뮬레이션 기반 오차 추정은 추가 개인정보 유출 없이 수행된다.
• 평균 절대 오차(MAE)와 95번째 백분위수 오차는 인구 규모가 증가할수록 감소하여, 더 큰 주소 코드에서 정확도가 높음을 시사한다.
• 평균 부호 오차(MSD)가 작기 때문에, 차별적 비공식화 기법이 평균적으로 미미한 편향을 유도함을 나타낸다.
• 시뮬레이션 기반 오차 추정 방법은 각 주소 코드에 대해 신뢰할 수 있고 투명한 오차 지표를 제공하여 사용자가 데이터 신뢰도를 평가할 수 있도록 한다.
• 이 데이터셋은 OpenDP SmartNoise 라이브러리를 통해 공개되어 있어, 차별적 비공식화 구현의 재현 가능성과 신뢰성을 확보한다.