[论文解读] Towards Breaking the Curse of Dimensionality for High-Dimensional Privacy: An Extended Version

Hessam Zakerzadeh, Charų C. Aggarwal+1 more|arXiv (Cornell University)|Jan 6, 2014

Privacy-Preserving Technologies in Data参考文献 32被引用 4

一句话总结

本文提出一种基于数据分块的匿名化方法，利用高维数据中属性间的相关性，缓解隐私保护数据发布中的维度灾难问题。通过互信息将数据分解为垂直分块的子集，并对每个分块独立应用k-匿名、ℓ-多样性或t-接近度，该方法在保持数据可用性的同时，有效抵御身份、属性和成员身份泄露攻击，相比未分块的方法，F-measure最高提升28%。

ABSTRACT

The curse of dimensionality has remained a challenge for a wide variety of algorithms in data mining, clustering, classification and privacy. Recently, it was shown that an increasing dimensionality makes the data resistant to effective privacy. The theoretical results seem to suggest that the dimensionality curse is a fundamental barrier to privacy preservation. However, in practice, we show that some of the common properties of real data can be leveraged in order to greatly ameliorate the negative effects of the curse of dimensionality. In real data sets, many dimensions contain high levels of inter-attribute correlations. Such correlations enable the use of a process known as vertical fragmentation in order to decompose the data into vertical subsets of smaller dimensionality. An information-theoretic criterion of mutual information is used in the vertical decomposition process. This allows the use of an anonymization process, which is based on combining results from multiple independent fragments. We present a general approach which can be applied to the k-anonymity, l-diversity, and t-closeness models. In the presence of inter-attribute correlations, such an approach continues to be much more robust in higher dimensionality, without losing accuracy. We present experimental results illustrating the effectiveness of the approach. This approach is resilient enough to prevent identity, attribute, and membership disclosure attack.

研究动机与目标

• 为解决因维度灾难导致高维数据匿名化效果下降的挑战。
• 在隐私保护发布中保持数据可用性，而不依赖特征选择（后者会丢弃有价值的属性）。
• 开发一个可推广的框架，适用于高维环境中k-匿名、ℓ-多样性及t-接近度模型。
• 证明现实世界数据中固有的相关性可被利用以优化隐私-可用性权衡。

提出的方法

• 该方法基于互信息，将高维数据垂直分块为较小的、具有相关性的属性子集，以降低每个分块的维度。
• 对每个分块独立应用k-匿名、ℓ-多样性或t-接近度等标准模型进行匿名化，以保护隐私。
• 通过后处理合并多个分块的匿名化结果，重建全局匿名数据集，同时保留数据可用性。
• 使用互信息作为信息论准则，指导分块过程，确保属性分组具有实际意义。
• 通过将匿名化局部化于每个分块，避免全局扰动，从而减少每个属性的信息损失。
• 该方法设计为元算法，可与任何现有的k-匿名、ℓ-多样性或t-接近度实现无缝集成。

实验结果

研究问题

• RQ1 现实世界高维数据中属性间的相关性是否可被利用，以减轻维度灾难对数据匿名化的负面影响？
• RQ2 将数据垂直分块为低维、相关性高的子集，是否能提升匿名化数据的可用性，相比全局匿名化？
• RQ3 在高维环境中，该分块方法在多大程度上能有效抵御身份、属性和成员身份泄露攻击？
• RQ4 在不同维度和k-匿名级别下，与未分块的匿名化方法相比，该方法在分类准确率（F-measure）方面表现如何？

主要发现

• 在Musk数据集上，基于分块的方法在ℓ-多样性匿名化中，F-measure相比未分块基线最高提升28%。
• 即使采用朴素的分块方案，其F-measure也优于未分块匿名化，表明分块设计简化后仍具鲁棒性。
• 对于k-匿名，随着k值增加，分块方法相比未分块匿名化，F-measure最高提升54%。
• 在分块设置下，F-measure随维度增加保持相对稳定或有所提升，而未分块匿名化因过度扰动导致严重可用性损失。
• 通过在分块内保留属性特异性信息，该方法有效抵御了身份、属性和成员身份泄露攻击。
• 结果表明，当通过分块利用数据相关性时，维度灾难的理论局限在实践中被显著缓解。