Arboretum: een planner voor grootschalige federatieve analyse met differentiële privacy
Author
Venue
SOSP 2023
Abstract
Federatieve analyse is een manier om vragen te beantwoorden over gevoelige gegevens die verspreid zijn over meerdere partijen, zonder de gegevens te delen of op één plek te verzamelen. Eerder werk heeft oplossingen ontwikkeld die kunnen worden geschaald naar grote implementaties met miljoenen apparaten, maar vanwege het gedistribueerde karakter van federatieve analyse kunnen deze oplossingen slechts een beperkte klasse van vragen ondersteunen – doorgaans verschillende vormen van numerieke vragen, die kunnen worden beantwoord met lichtgewicht cryptografische primitieven. Het ondersteunen van rijkere zoekopdrachten, zoals categorische zoekopdrachten, vereist zwaardere cryptografie, waarvan de kosten al snel zelfs de middelen van een krachtig datacenter kunnen overschrijden. In dit artikel presenteren we Arboretum, een nieuw federaal analysesysteem dat efficiënt een breder scala aan zoekopdrachten kan beantwoorden, inclusief categorische zoekopdrachten, in implementaties met miljoenen of zelfs miljarden deelnemers. Arboretum bereikt dit door 1) queryplannen automatisch te optimaliseren om zeer efficiënte manieren te vinden om elke query te beantwoorden, en door 2) de apparaten van de deelnemers bij de berekening te betrekken. Onze evaluatie toont aan dat Arboretum de kosten kan evenaren van eerdere systemen die handmatig zijn geoptimaliseerd voor bepaalde soorten queries, en dat het bovendien een reeks nieuwe queries kan ondersteunen waarvoor vandaag de dag nog geen efficiënte oplossing bestaat.
