이 논문은 데이터베이스 벤치마킹을 위해 프라이버시를 보장하는 데이터베이스 합성 기법인 PrivBench를 제안한다. PrivBench는 다음과 같은 과정을 통해 데이터베이스를 합성한다:
프라이버시 보장 SPN 구축: 각 테이블에 대해 차등 프라이버시 기법을 사용하여 SPN(Sum-Product Network)을 구축한다. SPN은 데이터 분포와 복잡한 의존성을 효과적으로 모델링할 수 있다.
팬아웃 테이블 구축: 각 테이블 간 외래키 참조 관계를 모델링하기 위해 SPN에 팬아웃 테이블을 추가한다. 팬아웃 테이블은 차등 프라이버시 기법으로 구축된다.
SPN 기반 데이터베이스 합성: 구축된 SPN과 팬아웃 테이블을 이용하여 합성 데이터베이스를 생성한다. 이때 SPN의 구조를 따라 데이터를 샘플링한다.
실험 결과, PrivBench는 기존 프라이버시 보장 데이터 합성 기법에 비해 쿼리 실행 시간 오차와 쿼리 결과 크기 오차를 크게 줄이면서도 KL divergence 측면에서도 우수한 성능을 보였다. 이를 통해 PrivBench가 데이터베이스 벤치마킹을 위해 프라이버시를 보장하면서도 높은 유용성을 제공할 수 있음을 보였다.
To Another Language
from source content
arxiv.org
Дополнительные вопросы