[论文解读] Scaling Private Record Linkage using Output Constrained Differential Privacy.

Xi He, Ashwin Machanavajjhala+2 more|arXiv (Cornell University)|Feb 2, 2017

Privacy-Preserving Technologies in Data被引用 4

一句话总结

本文提出输出约束差分隐私（OCDP），一种新型隐私模型，可实现端到端隐私保护、高召回率和次二次可扩展性的私有记录关联（PRL）。通过在保持差分隐私保证的同时允许真实释放匹配记录，作者设计了实现近线性扩展且通信与计算成本相比安全两方计算（S2PC）基线降低达100倍的协议。

ABSTRACT

Private record linkage is the problem of identifying pairs of records that are similar as per an input matching rule from databases that are held by two parties that do not trust one another. We identify three key desiderata that a PRL solution must ensure: a proof of end-to-end privacy, communication and computational costs that scale sub-quadratically in the number of input records, perfect precision and high recall of matching pairs. We show that all of the existing solutions for PRL -- including secure 2-party computation (S2PC), and their variants that use non-private or differentially private (DP) blocking -- violate at least one of the three desiderata. In particular, S2PC techniques guarantee end-to-end privacy but have either low recall or high cost. We show that DP blocking based techniques do not provide an end-to-end privacy guarantee as DP does not permit the release of any exact answers (including matching records in PRL). In light of this deficiency, we propose a novel privacy model, called output constrained differential privacy, that shares the strong privacy protection of DP, but allows for the truthful release of the output of a certain function applied to the data. We apply this to PRL, and show that protocols satisfying this privacy model permit the disclosure of the true matching records, but their execution is insensitive to the presence or absence of a single non-matching record. We develop novel protocols that satisfy this end-to-end privacy guarantee and permit a tradeoff between recall, privacy and efficiency. Our empirical evaluations on real and synthetic datasets show that our protocols have high recall, scale near linearly in the size of the input databases (and the output set of matching pairs), and have communication and computational costs that are at least 2 orders of magnitude smaller than S2PC baselines.

研究动机与目标

• 解决现有私有记录关联（PRL）方案的局限性，这些方案无法同时满足三个关键期望：端到端隐私、次二次可扩展性以及高召回率下的完美精确度。
• 识别出现有方法（如安全两方计算（S2PC）和差分隐私（DP）阻塞）至少在一项关键期望上存在不足，尤其是在提供端到端隐私方面。
• 开发一种新隐私模型，既保留差分隐私的强隐私保证，又允许在PRL中真实释放匹配记录。
• 在该新模型下设计高效协议，实现高召回率、近线性扩展以及显著降低的通信和计算成本。
• 通过真实和合成数据集的实证验证，证明所提协议在性能上优于S2PC基线。

提出的方法

• 提出输出约束差分隐私（OCDP），一种扩展差分隐私的隐私模型，允许释放精确输出（如匹配记录对），同时确保任一非匹配记录的存在或缺失不会影响输出结果。
• 设计通过在匹配前对数据应用隐私保护转换来强制实施OCDP的协议，确保输出——特别是匹配记录对的集合——被真实释放，但对单个非匹配记录不敏感。
• 使用增强OCDP的阻塞机制，以减少匹配对的搜索空间，从而在不损失召回率的前提下提升效率。
• 实现仅在阻塞数据上运行的安全计算层，以最小化通信和计算成本，同时保持端到端隐私。
• 利用不经意伪随机函数和安全聚合等密码学技术，确保任一参与方无法获取除最终匹配集之外的更多信息。
• 通过最小化各方间冗余计算和通信，优化协议流水线，使其输入规模增长时实现近线性扩展。

实验结果

研究问题

• RQ1 能否设计一种隐私模型，在保留差分隐私强保证的同时，允许在私有记录关联中真实释放匹配记录对？
• RQ2 现有使用S2PC或基于DP的阻塞的PRL方案是否满足所有三项关键期望：端到端隐私、次二次可扩展性以及高召回率下的完美精确度？
• RQ3 在输出约束差分隐私下设计的新协议能否在保持高召回率的同时，将通信和计算成本相比S2PC降低数个数量级？
• RQ4 所提协议在输入数据库规模增加时如何扩展？是否能保持高召回率和隐私保证？
• RQ5 所提协议在真实和合成数据集上的实证性能如何？其在通信、计算和召回率方面的表现如何？

主要发现

• 所提协议在输入数据库规模和输出集合规模上均实现近线性扩展，显著优于S2PC的二次方或更差的扩展性。
• 通信和计算成本相比S2PC基线降低至少两个数量级，展现出显著的效率提升。
• 通过真实释放匹配记录对，不引入会掩盖匹配关系的噪声，协议保持了高召回率——接近完美精确度。
• 输出约束差分隐私模型成功实现了端到端隐私，同时允许精确输出披露，解决了标准DP在PRL中的一项关键局限。
• 在真实和合成数据集上的实证评估证实，协议扩展高效，且在性能和隐私保证方面均优于S2PC。
• 该方法有效平衡了隐私、召回率与效率，为大规模私有记录关联提供了实用解决方案。