프라이버시 보존 연관 규칙 마이닝 재조명

초록

본 논문은 기존 PP-ARM 기법인 FS(Fake‑Transaction Scheme)의 저장·연산 비용과 평균‑프라이버시 정의의 한계를 분석하고, 가짜 거래 필터링 공격에 대응하기 위한 하이브리드 방식을 제안한다. 실험을 통해 제안 기법이 저장·시간 효율성에서 기존 방식보다 우수함을 입증한다.

상세 분석

FS(Fake‑Transaction) 방식은 원본 데이터베이스에 가짜 거래를 삽입해 외부 서버가 원본을 추론하지 못하도록 하는 전형적인 PP‑ARM 기법이다. 논문은 먼저 FS가 보장하는 프라이버시를 “최악‑사례”(worst‑case) 확률로 정의하고, 이를 달성하기 위해 필요한 가짜 거래 비율 w와 전체 데이터베이스 크기 N을 분석한다. 결과적으로, 실용적인 프라이버시 수준(예: 90 % 이상)을 확보하려면 w가 510배에 달해야 하며, 이는 저장 공간을 원본의 611배로 폭증시킨다. 또한, 가짜 거래를 생성하고 원본과 섞는 과정에서 O(N·w) 수준의 연산 복잡도가 발생해 대규모 데이터셋에 적용하기 어려운 점을 지적한다.

다음으로 논문은 프라이버시를 “평균‑사례”(average‑case) 관점에서 재정의한다. 공격자는 전체 데이터베이스에서 가짜 거래를 식별하기 위해 빈도 기반 필터링을 시도할 수 있다. 저자들은 실제 거래와 가짜 거래가 동일한 아이템 집합 빈도 분포를 갖지 않음에 주목하고, 이를 이용한 “가짜 거래 필터링” 공격이 성공 확률이 30 % 이상임을 실험적으로 보여준다. 이는 기존 FS가 평균‑사례 프라이버시를 충분히 보장하지 못한다는 강력한 증거이다.

이러한 약점을 보완하기 위해 저자들은 “하이브리드 FS‑PP” 방식을 제안한다. 핵심 아이디어는 (1) 가짜 거래 삽입 비율을 동적으로 조정해 평균‑사례 프라이버시를 최소 80 % 이상 확보하고, (2) 가짜 거래 생성 시 원본 거래의 아이템 빈도와 상관관계를 유지하도록 설계해 필터링 공격의 탐지율을 크게 낮춘다. 구체적으로, 원본 데이터베이스를 여러 블록으로 나누고 각 블록마다 별도의 가짜 거래 집합을 생성한다. 블록별 w는 해당 블록의 민감도와 아이템 분포에 따라 최적화되며, 전체 저장 비용은 기존 FS 대비 평균 40 % 감소한다. 연산 측면에서도 블록 단위 병렬 처리를 도입해 전체 실행 시간은 기존 대비 30 % 정도 단축된다.

실험에서는 UCI “Mushroom”, “Retail” 등 4개의 공개 데이터셋을 사용해 기존 FS와 하이브리드 방식을 비교하였다. 결과는 (① 저장 공간: 6.2 GB → 3.7 GB, ①‑② 비율 40 % 절감), (② 연산 시간: 12 min → 8 min, 33 % 절감), (③ 평균‑사례 프라이버시: 68 % → 84 %) 등에서 하이브리드가 일관되게 우수함을 보여준다. 또한, 가짜 거래 필터링 공격에 대한 성공률도 5 % 이하로 낮아, 실용적인 프라이버시 보장을 확인하였다.

이 논문은 PP‑ARM 분야에서 프라이버시 정의를 단순 “최악‑사례”에서 “평균‑사례”로 확장하고, 실제 공격 모델을 고려한 설계가 필요함을 강조한다. 또한, 저장·연산 효율성을 동시에 개선할 수 있는 블록‑기반 하이브리드 구조가 향후 PP‑ARM 알고리즘 설계에 중요한 방향성을 제공한다는 점에서 학술적·실무적 의의가 크다.