연속형 차등 프라이버시 메커니즘을 위한 동시 합성 정리

초록

이 논문은 데이터셋 업데이트와 질의가 동시에 발생하는 연속 메커니즘에 대해, 적응형 적대자에게도 안전한 새로운 동시 합성 정리를 제시한다. 고정·가변 프라이버시 파라미터, 순수·근사 DP, Rényi DP, f‑DP 등 다양한 프라이버시 모델을 포괄하며, 기존 정리와 달리 데이터 업데이트가 적응적으로 선택될 때도 적용 가능하도록 한다. 또한, 연속 히스토그램 메커니즘의 모듈식 분석을 통해 실제 적용 사례를 보여준다.

상세 분석

본 연구는 차등 프라이버시(DP)의 두 가지 핵심 확장을 동시에 다룬다. 첫 번째는 연속 메커니즘(continual mechanisms)으로, 시간에 따라 질의와 데이터 업데이트가 번갈아 가며 발생한다는 점에서 기존의 정적 데이터셋을 가정한 비대화형 혹은 단순 대화형 메커니즘과 근본적으로 다르다. 두 번째는 적응형 적대자(adaptive adversary) 모델이다. 적대자는 이전에 받은 응답을 기반으로 새로운 질의와 업데이트를 선택할 수 있으며, 이는 기존의 “고정된 인접 데이터셋” 가정과는 차별된다.

논문은 먼저 인접 관계를 일반화하여 이벤트‑레벨, 사용자‑레벨, 그리고 임의의 인접 정의를 모두 포괄한다(Definition 3.7). 이를 통해 데이터 업데이트가 한 개인의 기록 전체를 바꾸는 경우부터, 특정 시점의 단일 업데이트만을 바꾸는 경우까지 다양한 프라이버시 요구를 모델링한다.

핵심 기여는 **동시 합성 정리(concurrent composition theorems)**이다. 기존 연구는 정적 데이터셋을 전제로 하여, 여러 대화형 메커니즘을 동시에 사용해도 개별 메커니즘의 프라이버시 손실을 단순히 합산하면 된다고 보았다. 그러나 연속 메커니즘에서는 질의와 업데이트가 교차하면서 메커니즘 간에 정보가 교환될 수 있기 때문에, 단순 합산이 보장되지 않는다. 저자들은 다음과 같은 네 가지 주요 상황을 분석한다.

1. 고정 프라이버시 파라미터(ε, δ)가 주어졌을 때, 기존의 근사 DP 합성 정리(Advanced Composition 등)를 그대로 연속 메커니즘에 적용할 수 있음을 증명한다(Theorem 4.12). 이는 Rényi DP와 f‑DP에도 확장된다(Corollary 13.4, 14.7).

2. **동시 병렬 합성(parallel composition)**을 일반화한다. 무한히 많은 대화형 메커니즘을 동시에 실행하고, 각 메커니즘에 대해 서로 다른 인접 데이터셋을 선택할 수 있는 경우에도, 순수 DP(δ=0)라면 기존의 병렬 합성 정리와 동일한 ε‑합산이 성립한다(Corollary 5.5). 근사 DP에서는 반례를 제시해 정리가 깨짐을 보이며, 이를 보완하기 위해 δ‑제한을 두는 새로운 정리(Theorem 5.4)를 제시한다.

3. 프라이버시 파라미터 필터(filter) 합성을 연속 메커니즘에 확장한다. 필터는 각 메커니즘이 선택한 (ε_i, δ_i) 값을 검사해 허용 여부를 결정한다. 저자들은 필터 합성 정리가 비대화형 메커니즘에 대해 성립하면, 연속 메커니즘에서도 동일하게 성립함을 증명한다(Theorem 12.4). 이는 프라이버시 파라미터를 동적으로 조정하는 알고리즘에 매우 유용하다.

4. 다양한 프라이버시 측도(Rényi DP, f‑DP)에도 동일한 구조의 정리를 제공한다. 특히 Rényi DP에서는 순수 DP와 달리 ε‑합산이 아닌 α‑레벨의 누적을 다루어야 하는데, 저자들은 이를 정밀하게 다루어 기존 결과와 일관성을 유지한다(Corollary 13.7, 13.8).

논문의 또 다른 중요한 부분은 모듈식 분석 프레임워크이다. 연속 메커니즘 M이 여러 하위 연속 메커니즘을 내부적으로 호출한다면, 각 하위 메커니즘이 위의 동시 합성 정리를 만족하는 한 M 자체의 프라이버시 보장은 추가 손실 없이 그대로 이어진다. 이를 이용해 최근 제안된 연속 히스토그램 메커니즘(Henzinger·Sricharan·Steiner)을 보다 간결하게 검증한다. 특히 근사 DP 상황에서 적응형 적대자에 대한 최초의 정식 증명을 제공한다.

전체적으로 이 논문은 연속 데이터 흐름과 적응형 공격이라는 두 축을 동시에 고려한 최초의 포괄적 이론을 제공한다. 이는 실시간 데이터 분석, 온라인 광고, 스트리밍 통계 등 데이터가 지속적으로 변하고 사용자가 실시간 질의를 제시하는 현대 시스템에 직접 적용 가능하다. 또한, 기존의 복잡하고 비공식적인 프라이버시 증명들을 체계화함으로써 연구자와 엔지니어가 새로운 연속 메커니즘을 설계할 때 명확한 가이드라인을 제공한다.