非負集計データのための部分和精度に優れた差分プライバシー適用手法二次元化の一考察Ⅱ

摘要

本研究では，元のデータベースに含まれる個々のデータの集合体（個票）から，何らかの条件を満たすデータの個数を数えた数値データの集合体であり，さらに，全体的に疎な分布をとるような集計データを対象とする．集計データに対するプライバシー保護に関しては古くから検討されて来ているが，近年，Dwork らが提案した差分プライバシー基準が，高い安全性を実現するための基準として注目を集めている．差分プライバシー基準は，データベースへの問い合わせを行った際に，「ある特定のデータがデータベースに含まれているか否かを問い合わせ結果から判別することが困難である」ことを安全性の根拠とするプライバシー保護基準である．この差分プライバシー基準を満たす代表的な手法にLaplace メカニズムがある．この手法は，データベースへの問い合わせ結果に対して，平均値が0 のLaplace ノイズ（Laplace 分布に従う独立な乱数）を付加するものである．たとえば，構成する部分集合が互いに素であるとき，集計データの各セルに確率密度がℓ = (ϵϵ⁄2) ∙ ee−ϵϵϵϵに従うLaplace ノイズを加えることで差分プライバシーを満たすことができる（ϵϵはパラメータ）．