연합 차등 개인정보 보호 하에서 적응형 밀도 추정의 비용과 최적 방법

초록

본 논문은 연합 차등 개인정보 보호(FDP) 환경에서 비모수 밀도 추정의 적응성을 연구한다. 전역 위험과 점별 위험 두 가지 손실을 대상으로, 알려지지 않은 베소프 매개변수(α, p, q)에 대해 최적 적응률을 정확히 규명한다. 적응이 가능한 비프라이버시 상황과 달리, FDP에서는 전역 위험에 로그 N(데이터 총량) 만큼의 추가 비용이 불가피하고, 점별 위험에서는 기존 로그 페널티에 또 다른 로그 요인이 겹쳐진다. 저자들은 새로운 노이즈 메커니즘을 도입한 일회성 적응 추정기를 제시해 상한을 달성하고, 새로운 하한 기법으로 해당 비용이 근본적임을 증명한다.

상세 분석

본 연구는 연합 차등 개인정보 보호(FDP)라는 일반화된 프레임워크를 채택한다. FDP는 중앙 DP(CDP)와 로컬 DP(LDP)를 각각 서버 수 m=1, 샘플 수 n=1인 특수 경우로 포함한다. 각 서버 j는 n개의 i.i.d. 샘플 X^{(j)}_1,…,X^{(j)}_n을 보유하고, (ε,δ)-DP를 만족하는 로컬 트랜스크립트 T^{(j)}를 생성한다. 중앙에서는 이들 트랜스크립트를 모아 추정량 \hat f 혹은 \hat T을 만든다. 연구는 두 종류의 위험을 고려한다. (1) 전역 L2 위험 E_f‖\hat f−f‖_2^2, (2) 점별 위험 E_f