RCT 데이터 공유를 위한 차등프라이버시 활용 가능성 평가

초록

본 논문은 차등프라이버시(DP) 기반 합성 데이터 생성 방법을 RCT(무작위 대조시험) 데이터에 적용해, 기존 분석 결과의 통계적 유효성을 유지하면서 개인정보를 보호할 수 있는지를 실증적으로 검증한다. 세 가지 히스토그램 기반 DP 알고리즘을 구현하고, 시뮬레이션 및 실제 경제학 논문의 복제 실험을 통해 방법론의 정확도와 실용성을 평가한다. 결과적으로 적절히 조정된 간단한 DP 기법이 저소득·중간소득 국가의 RCT 데이터 공유에 충분히 활용될 수 있음을 보여준다.

상세 분석

이 연구는 차등프라이버시의 핵심 개념인 ε‑indistinguishability를 그대로 적용하기보다는, RCT 데이터 특유의 작은 표본 규모와 다변량 연속·이산 변수 혼합 구조를 고려한 맞춤형 히스토그램 변형을 제안한다. 첫 번째 알고리즘은 전통적인 perturbed histogram에 라플라스 잡음을 직접 삽입하는 방식으로, ε 값이 작을수록(예: 0.1~0.5) 평균 추정치의 편향이 크게 증가하지만 표준오차는 크게 변하지 않아 t‑값과 p‑값이 비교적 안정적이다. 두 번째는 stability‑based histogram으로, 데이터 셋을 여러 번 재샘플링한 뒤 각 빈의 빈도 변동성을 측정해 잡음 규모를 동적으로 조정한다. 이 과정에서 빈도가 낮은 구간에 과도한 잡음이 부여되는 문제를 발견하고, 빈도 임계값을 사전에 설정해 최소 빈도 이하에서는 잡음 삽입을 억제하는 보정 절차를 도입했다. 세 번째는 두 방법을 결합한 hybrid 방식으로, 초기 라플라스 잡음 삽입 후 안정성 검증을 통해 필요 시 추가 보정 잡음을 더한다.

시뮬레이션에서는 다양한 ε‑δ 조합(ε=0.1,0.5,1.0; δ=10⁻⁵) 하에 평균 차이, 회귀계수, 그리고 ITT(intention‑to‑treat) 추정치의 평균제곱오차(MSE)를 비교했다. 결과는 ε가 0.5 이하일 때 회귀계수의 신뢰구간 폭이 원본 데이터 대비 10~15% 정도 확대되지만, 효과의 방향성과 통계적 유의성은 대부분 유지되는 것으로 나타났다. 특히, 표본이 1,000명 이하인 소규모 RCT에서는 잡음이 과도하게 작용해 일부 경우 유의미한 효과가 사라질 수 있기에, ε 선택에 신중을 기해야 함을 강조한다.

실증 검증으로는 Blattman, Jamison, Sheridan(2017)의 현지 현금 지원 실험 데이터를 사용했다. 원본 데이터와 동일한 회귀 스펙을 유지하면서, 제안된 DP 알고리즘을 적용해 만든 합성 데이터셋을 분석했을 때, 주요 치료 효과(현금 지급이 소득에 미치는 영향)의 추정값은 원본과 0.03 이하의 차이만을 보였으며, 95% 신뢰구간도 겹쳤다. 이는 “인퍼런스‑유효한” 보호가 가능함을 실증적으로 입증한다.

또한, 저자들은 R 패키지 DPrct를 공개했으며, 이 패키지는 데이터 전처리, 히스토그램 기반 DP 변환, 그리고 결과 보정(베이지안 사후조정 포함) 기능을 일괄 제공한다. 패키지는 메모리 사용량이 O(N·B) (N: 표본, B: 빈 개수) 수준으로, 일반 노트북에서도 몇 분 내에 변환이 완료된다. 저소득·중간소득 국가의 연구자들이 별도 고성능 서버 없이도 차등프라이버시를 적용할 수 있다는 점은 정책적·실무적 의의를 크게 만든다.

전반적으로 이 논문은 (1) 기존 차등프라이버시 메커니즘이 RCT와 같은 작은 규모 실험 데이터에 바로 적용되기엔 한계가 있음을 지적하고, (2) 히스토그램 기반 잡음 삽입과 안정성 보정을 결합한 실용적 알고리즘을 제시하며, (3) 실제 연구 사례와 시뮬레이션을 통해 인퍼런스 손실을 최소화하면서도 개인정보 보호를 달성할 수 있음을 입증한다는 점에서 차별화된다. 향후 연구에서는 다층 구조(예: 클러스터 무작위화)와 비선형 모델에 대한 DP 확장, 그리고 ε‑예산 관리 전략을 탐구할 필요가 있다.