프라이버시와 효용을 동시에 만족하는 일반 메트릭 완전 규명

초록

본 논문은 차별화된 프라이버시 보장을 제공하면서도 실용적인 효용을 유지할 수 있는 메트릭을 완전히 규정한다. 효용 메트릭이 “프라이버시 호환성”(privacy‑compatibility) 조건을 만족하는지 여부를 정량적·정성적으로 분석하고, 필요충분 조건을 정리한다. 이를 통해 L1·L2 거리와 같은 전통적 메트릭은 물론, 특정 비선형 메트릭도 프라이버시와 효용을 동시에 달성할 수 있음을 보인다.

상세 분석

이 논문은 차등 프라이버시(differential privacy, DP)와 효용(utility) 사이의 근본적인 트레이드오프를 메트릭 관점에서 재조명한다. 기존 연구들은 주로 민감도(sensitivity)와 노이즈 첨가 방식에 초점을 맞추었지만, 저자들은 “효용 메트릭” 자체가 DP와 얼마나 잘 맞물리는지를 정의하고, 이를 “프라이버시 호환성”(privacy‑compatibility)이라는 새로운 개념으로 포괄한다. 핵심 정리는 다음과 같다.

1. 프라이버시 호환성 정의: 데이터베이스 X와 출력 공간 Y 사이에 정의된 거리 함수 d_Y가 주어질 때, 임의의 ε‑DP 메커니즘 M이 존재하여 기대 효용 E