Differential Privacy Technologies for Distributed Social Graphs

分布式社交图的差分隐私技术

• 批准号: 22H00521
• 负责人: 村上 隆夫
• 金额: $ 26.79万
• 依托单位: National Institute of Advanced Industrial Science and Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (A)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2027-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22H00521/
• 关键词: 差分プライバシー; グラフ; 分散型SNS

本研究では，分散型SNSにおいて，元データが漏洩しないことを保証する差分プライバシー（DP: Differential Privacy）を満たすように，グラフの統計情報や機械学習モデルを求める技術の確立を目標としている．令和4年度では，以下の成果を上げた．(1) グラフ統計量としてtriangle countに着眼し，ユーザが送信したデータをランダムにシャッフルした上でデータ収集者に送る中間サーバ（shuffler）を介することで，ユーザとデータ収集者とのデータのやり取りは1回のみで（one-round），差分プライバシーを満たしつつtriangle countを推定するアルゴリズムを提案した．提案アルゴリズムの理論解析および評価実験を行い，局所型差分プライバシー（LDP: Local Differential Privacy）を満たす従来のone-roundアルゴリズムと比較して，推定精度が大幅に向上できることを示した．本成果は，情報セキュリティ分野のトップ国際会議ACM CCS'22に採択された．(2) グラフ統計量として次数分布に着眼し，node（ユーザ）を秘匿する局所型差分プライバシー（node LDP: node Local Differntial Privacy）を満たしつつ，次数分布を推定するアルゴリズムを提案した．評価実験を行い，提案手法の有効性を示した．本成果は，難関国際会議IEEE BigData'22に採択された．

This study aims to establish the technology of distributed SNS, including statistical information, mechanical learning, and Differential Privacy (DP). The following results were achieved in the fourth year of the order. (1)The statistics are based on triangle count, which is the assumption that the distance between the sender and the receiver is one-round, and the distance between the receiver and the receiver is one-round. The theoretical analysis and evaluation of the proposed scheme show that the estimation accuracy is greatly improved by comparing the theoretical analysis and evaluation of the proposed scheme with that of the proposed scheme. The results of this paper are as follows: 1. Information on the distribution of information in the international conference ACM CCS'22. (2)The number of times the statistics are distributed, the node LDP: node Local Differntial Privacy is hidden, and the number of times the statistics are distributed is estimated. The evaluation is carried out in the middle of the proposal. This work was published at IEEE BigData'22.

项目成果

University of California, San Diego(米国)

加州大学圣地亚哥分校（美国）

A Crypto-Assisted Approach for Publishing Graph Statistics with Node Local Differential Privacy

• DOI: 10.1109/bigdata55660.2022.10020435
• 发表时间: 2022-09
• 期刊: 2022 IEEE International Conference on Big Data (Big Data)
• 作者: Shang Liu;Yang Cao;Takao Murakami;Masatoshi Yoshikawa

Differentially Private Triangle and 4-Cycle Counting in the Shuffle Model

• DOI: 10.1145/3548606.3560659
• 发表时间: 2022-05
• 期刊: Proceedings of the 2022 ACM SIGSAC Conference on Computer and Communications Security
• 作者: Jacob Imola;Takao Murakami;Kamalika Chaudhuri