INO-SGD: 개별화된 차분 프라이버시 하에서의 유틸리티 불균형 문제 해결

요약

본 논문은 개별화된 차분 프라이버시(IDP) 환경에서 발생하는 유틸리티 불균형 문제를 다룹니다. 민감한 데이터를 가진 소유자들이 더 강력한 프라이버시 요구사항을 설정할 때, 기존 알고리즘들은 이들의 데이터가 모델 훈련 과정에서 과소 대표되어 성능 저하를 초래하는 문제가 발생합니다. 이를 해결하기 위해 INO-SGD라는 새로운 알고리즘을 제안하며, 이는 각 배치 내 데이터를 전략적으로 다운-가중치하여 모든 반복 과정에서 높은 프라이버시 요구사항을 가진 데이터의 모델 성능을 개선합니다.

핵심 포인트

• 개별화된 차분 프라이버시(IDP)는 개인 데이터 소유자에게 맞춤형 프라이버시 통제권을 제공하는 중요한 개념입니다.
• 기존 IDP 알고리즘들은 높은 프라이버시 요구사항을 가진 데이터가 모델 훈련에서 과소 대표되는 '유틸리티 불균형' 문제를 야기합니다.
• INO-SGD는 이 문제를 해결하기 위해 각 배치 내 데이터를 전략적으로 다운-가중치(down-weights)하는 방법을 제안합니다.
• 제안된 INO-SGD는 IDP를 만족하도록 특별히 설계되었으며, 기존 기술보다 우수한 성능 개선 효과와 실현 가능성을 입증했습니다.