Propose-Filter-Release: 사적 필터링을 통한 일반적 민감도로의 노이즈 스케일링

요약

기존 차분 프라이버시(DP)는 단일 기록의 최악 사례 영향력에 취약하여 데이터 활용에 한계가 있습니다. 본 논문은 사적 필터링을 통해 입력값을 처리하는 'propose-filter-release' (PFR) 메커니즘을 제안합니다. PFR은 데이터 적합도를 측정하고 프라이버시를 보장하는 릴리스 과정을 거쳐, 일반적인 민감도로의 노이즈 스케일링을 가능하게 하는 새로운 원시 요소입니다.

핵심 포인트

• 표준 DP는 단일 기록의 최악 사례 영향력에 취약하다는 한계가 있습니다.
• PFR은 사적 필터링을 통해 일반적인 민감도로 노이즈 스케일링을 수행합니다.
• 데이터 적합도를 측정하는 오목한 친화도 점수와 friendly-DP 릴리스를 사용합니다.
• 스칼라 통계량, KL 발산 등 다양한 분야에 적용 가능한 범용 프라이버시 원시 요소입니다.