issues
search
tsukuba-kde
/
papers
Paper introduction
2
stars
1
forks
source link
PrivateSQL: A Differentially Private SQL Query Engine
#19
Open
ShuntaIshihara
opened
4 years ago
ShuntaIshihara
commented
4 years ago
論文タイトル PrivateSQL: A Differentially Private SQL Query Engine
著者(所属) Ios Kotsogiannis(Duke University), Yuchao Tao(Duke University), Xi He(University of Waterloo), Maryam Fanaeepour(Duke University), Ashwin Machanavajjhala(Duke University), Michael Hay(Colgate University), Gerome Miklau(University of Massachusetts, Amherst)
論文PDF/ランディングページへのリンク
https://users.cs.duke.edu/~ashwin/pubs/PrivateSQL-VLDB2019.pdf
論文まとめ(落合フォーマット準拠)
どんなもの? PrivateSQLと呼ばれるエンドツーエンドの差分プライベート関係データベースシステムを提案する.PrivateSQLは,アナリストが豊富なクラスのSQLカウントクエリを使って標準のデータベース管理システムに格納されているデータをクエリすることができる
先行研究と比べてどこがすごい?
特定のクエリに応答できるアルゴリズムは知られているが,結合,グループ化,相関クエリを含む関係データベースにおける複雑なクエリに正確に応答できる既知のアルゴリズムはない
プライバシーポリシーによって,高い精度を実現できるアルゴリズムは異なり,正確な差分プライバシーを提供できるメカニズムを自動的に提案できるシステムはない
先行研究と比べてどこがすごい?
プライバシーの専門家を必要とせずにクエリに対する応答について,設定したプライバシー予算で差分プライバシーを保証するエラーの少ないアルゴリズムを自動で提案すること
アナリストは,結合,グループ化,相関サブクエリなどの標準SQL演算子を含んだ集約クエリを実行することができること
どうやって有効だと検証した?
米国国勢調査のデータリリースとTPC-HベンチマークにあるユースケースでPrivateSQLを評価
関連研究よりも1000倍近いエラー率の良さが得られた
議論はある?
カウントしか対応していないので,平均,最大値,最小値なども対応できるようにする必要がある
ビューを使用してクエリに応答する方法とStatistical Relational Learning を使用して、ノイズのある概要からのクエリ応答をより正確にする方法が興味深い
次に読むべき論文は?
N. Johnson, J. Near, and D. Song. Practical differential privacy for SQL queries using elastic sensitivity. PVLDB, 11(5), 2018.
L. Getoor and B. Taskar. Introduction to Statistical Relational Learning (Adaptive Computation and Machine Learning). The MIT Press, 2007.
A. Y. Halevy. Answering queries using views: A survey. The VLDB Journal, 10(4):270–294, Dec 2001.