도로 교통망에서 로컬 차분 프라이버시를 적용한 사용자의 민감한 부분경로 보호 기법

오늘날 스마트폰의 보급과 센서 기술의 발달에 따라 모바일 기기로부터 수집된 사용자 위치데이터의 나열인 경로 데이터가 마케팅이나 효율적인 알고리즘 개발에 활용되고 있다. 그러나 이와 같은 위치정보의 무분별한 수집은 사용자 개인의 프라이버시 침해 문제를 야기할 수 있다. 이를 해결하기 위해 위치 정보에 차분 프라이버시를 적용하기 위한 많은 기법이 나왔으나, 경로 정보의 경우 이 방법들을 그대로 적용한다면 유용성이 매우 하락한다는 단점이 있다. 또한, 차분 프라이버시 기법은 큐레이터 모델과 로컬 모델로 나뉘는데, 로컬 모델은 신뢰할 수 있는 서버를 두지 않아도 된다는 장점이 있어 안전하지만 더 많은 노이즈가 삽입되어 데이터 유용성을 더욱 하락시킨다. 본 논문은 로컬 모델에서의 도로교통망 경로 데이터 수집 시 차분 프라이버시를 적용할 때, 데이터 유용성 하락 문제를 해결하기 위해 정점들을 집중점(Heavy point)과 경점(Light point)로 구분하고, 차등적으로 차분 프라이버시 기법을 적용하는 방법을 제안한다. 또한, 실험을 통해 제안 기법이 민감한 데이터는 차분 프라이버시 기준에 맞춰 보호하면서도 전체적인 데이터 유용성 하락을 완화하였음을 보인다.

Today, with the proliferation of smartphones and the development of sensor technology, path data, a list of user location data collected from mobile devices, is being manipulated for marketing or efficient algorithm development. However, such indiscriminate collection of location information may cause personal privacy leakage issues. To resolve the problem, many differential privacy techniques have been proposed. However, the previous methods significantly degrade query accuracy if they are applied in the trajectory dataset. Additionally, the differential privacy technique is classified into a curator model and a local model. The local model has advantages of not having a reliable server, but suffers from more noise inserted to reduce query accuracy. This paper classifies vertices into heavy points and light points to resolve the problem of data usability in applying differential privacy to collect road network trajectory data in the local model. Additionally, experiments show that the proposed technique mitigates the degradation of overall data usability while protecting the sensitive data in accordance with the differential privacy standards.

#개인 정보 보호 #경로 데이터 #차분 프라이버시 #선형 회귀 #personal information protect #trajectory data #differential privacy #linear regression

참고문헌 (10)

참고문헌 신청

Dwork, Cynthia, et al., "Calibrating noise to sensitivity in private data analysis," Theory of cryptography conference, Springer, pp. 265-284, Mar. 2006.

Cynthia Dwork and Aaron Roth, The Algorithmic Foundations of Differential Privacy, Foundations and Trends in Theoretical Computer Science, 9(3-4): 211-407, 2014.

Andrés, Miguel E., et al., "Geo-indistinguishability: Differential privacy for location-based systems," 2013 ACM SIGSAC conference on Computer and Communications Security, pp. 901-914, Dec. 2012.

Xiao, Yonghui, and Li Xiong, "Protecting locations with differential privacy under temporal correlations," 22nd ACM SIGSAC Conference on Computer and Communications Security, pp. 1298-1309, Oct. 2015.

He, Xi, et al., "DPT: differentially private trajectory synthesis using hierarchical reference systems," Journal of VLDB Endowment, Vol. 8, Issue 11, pp. 1154-1165. Jul. 2015.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

프라이버시 보호 데이터 배포를 위한 모델 조사

김종선 , 정기정 , 이혁기 외 3명

Journal of KIISE

2017.02

이 논문의 저자 정보

김재원

소속기관 홍익대학교

주요연구분야 공학 > 컴퓨터학 공학 > 전자/정보통신공학

논문수 30 이용수 2,120

박석

소속기관 서강대학교

주요연구분야 공학 > 컴퓨터학 TOP 5% 공학 > 전자/정보통신공학

논문수 266 이용수 15,403

이 논문과 함께 이용한 논문

도로 교통망에서 로컬 차분 프라이버시를 적용한 사용자의 민감한 부분경로 보호 기법

김재원 , 박석 한국정보과학회 학술발표논문집 2019.12

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2020-569-000892562

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

저널정보

저자정보

이 논문의 연구 히스토리 (5)

초록·키워드

목차

참고문헌 (10)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)