Systems
Arboretum：差分プライバシーを用いた大規模フェデレーテッド分析のためのプランナー
Author
Venue
SOSP 2023
Abstract
フェデレーテッド・アナリティクスとは、データを共有したり一箇所に集約したりすることなく、複数の当事者に分散している機密データに対してクエリを実行する手法である。これまでの研究では、数百万台のデバイスからなる大規模な展開にも対応可能なソリューションが開発されてきたが、フェデレーテッド・アナリティクスの分散的な性質上、これらのソリューションがサポートできるクエリの種類は限られている。典型的には、軽量な暗号プリミティブで回答可能な各種の数値クエリに限られる。 カテゴリカルクエリのようなより複雑なクエリをサポートするには、より負荷の高い暗号処理が必要となり、そのコストは高性能なデータセンターのリソースさえもすぐに上回ってしまう可能性がある。本論文では、数百万、さらには数十億の参加者が存在する環境において、カテゴリカルクエリを含む幅広いクエリに効率的に回答できる新しいフェデレーテッド・アナリティクス・システム「Arboretum」を提案する。 Arboretumは、1) 各クエリに答えるための高効率な方法を見つけるためにクエリプランを自動的に最適化し、2) 参加デバイスを計算に組み込むことで、これを実現する。我々の評価によると、Arboretumは特定の種類のクエリに対して手動で最適化された従来のシステムと同等のコストを実現できるだけでなく、現在効率的な解決策が存在しない一連の新しいクエリにも対応できることが示された。
