TADP-RME: A Trust-Adaptive Differential Privacy Framework for Enhancing Reliability of Data-Driven Systems

यहाँ शोध पत्र "TADP-RME: डेटा-संचालित प्रणालियों की विश्वसनीयता बढ़ाने के लिए एक ट्रस्ट-एडेप्टिव डिफरेंशियल प्राइवेसी फ्रेमवर्क" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र प्रतिकूल वातावरण (adversarial environments) में डेटा-संचालित प्रणालियों पर लागू होने वाले वर्तमान डिफरेंशियल प्राइवेसी (DP) तंत्रों की दो महत्वपूर्ण सीमाओं को संबोधित करता है:

• कठोर प्राइवेसी-यूटिलिटी ट्रेड-ऑफ (Rigid Privacy-Utility Trade-off): पारंपरिक DP एक निश्चित प्राइवेसी बजट ($\epsilon$) पर निर्भर करता है, जो सभी उपयोगकर्ताओं और संदर्भों के लिए एक समान ट्रेड-ऑफ लागू करता है। यह विषम विश्वास स्तरों (जैसे, एक विश्वसनीय आंतरिक उपयोगकर्ता बनाम एक अविश्वसनीय बाहरी हमलावर) को ध्यान में रखने में विफल रहता है, जिससे या तो अनावश्यक उपयोगिता (utility) की हानि होती है या अपर्याप्त गोपनीयता सुरक्षा मिलती है।
• संरचनात्मक रिसाव (Structural Leakage): पारंपरिक DP तंत्र (जैसे गॉसियन या लाप्लास शोर) डेटा मानों को बाधित करते हैं लेकिन अंतर्निहित ज्यामितीय संरचना (pairwise distances, clustering, own neighborhood relationships) को सुरक्षित रखते हैं। हमलावर इन अवशिष्ट ज्यामितीय पदचिह्नों (residual geometric footprints) का अनुमान हमलों (जैसे, मेंबरशिप इन्फरेंस, मॉडल इनवर्जन और रिकंस्ट्रक्शन अटैक) के माध्यम से शोषण कर सकते हैं, जिससे औपचारिक DP गारंटी मिलने के बावजूद "सिस्टम विफलता" हो सकती है।

मुख्य उद्देश्य एक ऐसा गोपनीयता तंत्र डिजाइन करना है जो ट्रस्ट-एडेप्टिव (जोखिम के आधार पर सुरक्षा को समायोजित करने वाला) और स्ट्रक्चरली रोबस्ट (ज्यामितीय पैटर्न को बाधित करने वाला) हो, जिससे गोपनीयता रिसाव को एक सिस्टम विश्वसनीयता विफलता घटना के रूप में माना जा सके।

2. कार्यप्रणाली: TADP-RME फ्रेमवर्क (Methodology: TADP-RME Framework)

लेखक TADP-RME (रिवर्स मैनिफोल्ड एम्बेडिंग के साथ ट्रस्ट-एडेप्टिव डिफरेंशियल प्राइवेसी) प्रस्तावित करते हैं, जो एक दो-चरणीय फ्रेमवर्क है:

A. ट्रस्ट-एडेप्टिव प्राइवेसी बजट (Trust-Adaptive Privacy Budget)

फ्रेमवर्क एक इनवर्स ट्रस्ट स्कोर $T \in [0, 1]$ पेश करता है:

• $T = 0$: अत्यधिक विश्वसनीय संदर्भ (कम जोखिम, उच्च उपयोगिता)।
• $T = 1$: पूरी तरह से अविश्वसनीय संदर्भ (उच्च जोखिम, अधिकतम गोपनीयता)।
• तंत्र: प्राइवेसी बजट $\epsilon_T$ को गतिशील रूप से इस प्रकार गणना किया जाता है:
  $$\epsilon_T = \epsilon_{max} - T(\epsilon_{max} - \epsilon_{min})$$
  यह उच्च-उपयोगिता और उच्च-गोपनीयता शासन के बीच एक सहज, व्याख्या योग्य संक्रमण की अनुमति देता है। शोर के विचरण $\sigma^2_T$ को एक गॉसियन तंत्र का उपयोग करके इस एडेप्टिव $\epsilon_T$ के आधार पर कैलिब्रेट किया जाता है।

B. रिवर्स मैनिफोल्ड एम्बेडिंग (Reverse Manifold Embedding - RME)

संरचनात्मक रिसाव को संबोधित करने के लिए, फ्रेमवर्क शोर इंजेक्शन (noise injection) के बाद एक नॉन-लीनियर ज्योमेट्रिक ट्रांसफॉर्मेशन लागू करता है:

• ट्रांसफॉर्मेशन: एक आवधिक मैपिंग $\phi: \mathbb{R}^d \to \mathbb{R}^{2d}$ जिसे परिभाषित किया गया है:
  $$\phi(x_i) = (x_i \cos(\alpha x_i), x_i \sin(\alpha x_i))$$
• प्रभाव: मानक मैनिफोल्ड लर्निंग (जो स्थानीय ज्यामिति को संरक्षित करता है) के विपरीत, RME जानबूझकर स्थानीय निकटता संबंधों को विकृत (distort) करता है। मूल स्थान में पास के बिंदु रूपांतरित स्थान में अलग हो जाते हैं, जिससे "इनवर्जन अस्पष्टता" (inversion ambiguity) पैदा होती है।
• सुरक्षा लाभ: यह रूपांतरण को उलटने (invert करने) की कॉम्बिनेटरियल जटिलता को बढ़ाता है। मूल डेटा को पुनर्गठित करने का प्रयास करने वाले हमलावर को अज्ञात कोऑर्डिनेट पेयरिंग के साथ एक नॉन-लीनियर ट्रिगोनोमेट्रिक सिस्टम को हल करना होगा, जिससे खोज क्षेत्र (search space) आयामीता (dimensionality) के साथ फैक्टोरियल रूप से बढ़ता जाता है।

C. विश्वसनीयता व्याख्या (Reliability Interpretation)

यह पेपर प्राइवेसी लीकेज को एक सिस्टम विफलता घटना के रूप में फ्रेम करता है। विश्वसनीयता ($R$) को $1 - P_{attack}$ के रूप में परिभाषित किया गया है, जहाँ $P_{attack}$ सफल इन्फरेंस हमले की संभावना है। TADP-RME का लक्ष्य स्टोकेस्टिक शोर (सांख्यिकीय विशिष्टता को कम करने के लिए) और ज्यामितीय विरूपण (पुनर्निर्माण अस्पष्टता को बढ़ाने के लिए) को जोड़कर $P_{attack}$ को न्यूनतम करना है।

3. मुख्य योगदान (Key Contributions)

1. ट्रस्ट-एडेप्टिव तंत्र: एक अभिनव फ्रेमवर्क जहाँ एक इनवर्स ट्रस्ट स्कोर प्राइवेसी बजट को नियंत्रित करता है, जो विषम परिचालन वातावरणों का समर्थन करने के लिए फिक्स्ड-बजट DP से आगे बढ़ता है।
2. रिवर्स मैनिफोल्ड एम्बेडिंग (RME): एक नॉन-लीनियर ट्रांसफॉर्मेशन तकनीक जो स्थानीय ज्यामितीय संरचनाओं और पड़ोस के संबंधों को बाधित करती है, जो विशेष रूप से ज्यामिति-आधारित इन्फरेंस हमलों द्वारा लक्षित कमजोरियों को निशाना बनाती है।
3. एकीकृत विश्वसनीयता फ्रेमवर्क: सैद्धांतिक और अनुभवजन्य सत्यापन जो दिखाता है कि एडेप्टिव शोर को स्ट्रक्चरल डिस्टॉर्शन के साथ जोड़ने से विनाशकारी उपयोगिता हानि के बिना सिस्टम विश्वसनीयता (हमलों के प्रति प्रतिरोध) में काफी सुधार होता है।
4. सैद्धांतिक गारंटी: प्रमाण कि यह फ्रेमवर्क पोस्ट-प्रोसेसिंग प्रॉपर्टी के माध्यम से $(\epsilon_T, \delta)$-डिफरेंशियल प्राइवेसी को संतुष्ट करता है, साथ ही म्यूचुअल इंफॉर्मेशन और कॉम्बिनेटरियल कॉम्प्लेक्सिटी एनालिसिस के माध्यम से सूचना-सैद्धांतिक सीमाएं प्रदान करता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

फ्रेमवर्क का मूल्यांकन MNIST, Fashion-MNIST, और CIFAR-10 पर आठ बेसलाइनों (जिसमें मानक Gaussian/Laplace DP, पर्सनलाइज्ड DP, रैंडम प्रोजेक्शन और LSH शामिल हैं) के विरुद्ध किया गया।

• प्राइवेसी-यूटिलिटी ट्रेड-ऑफ:

  • TADP-RME एक बेहतर पारेटो फ्रंटियर (Pareto frontier) प्राप्त करता है। मध्यम प्राइवेसी स्तरों ($\tau \approx 0.5$) पर, यह मानक DP की तुलना में उच्च उपयोगिता बनाए रखता है जबकि काफी बेहतर प्राइवेसी स्कोर भी प्रदान करता है।
  • हमला प्रतिरोध (Attack Resilience): TADP-RME ने शोर-मात्र बेसलाइनों की तुलना में हमले की सफलता दर को 3.1% तक कम कर दिया। विशेष रूप से, इसने मेंबरशिप इन्फरेंस अटैक (MIA), एट्रिब्यूट इन्फरेंस अटैक (AIA), और रिकंस्ट्रक्शन अटैक के खिलाफ मजबूत प्रतिरोध दिखाया।
  • स्ट्रक्चरल डिसरप्शन: जैसे-जैसे ट्रस्ट स्कोर $T$ बढ़ा, k-NN ओवरलैप (स्थानीय संरचना संरक्षण) और स्पियरमैन कोरिलेशन (ग्लोबल डिस्टेंस संरक्षण) तेजी से कम हुआ, जो शोषण योग्य ज्यामितीय पैटर्न के व्यवधान की पुष्टि करता है।

• एब्लेशन अध्ययन (Ablation Studies):

  • केवल शोर (Noise Only): औपचारिक DP गारंटी प्रदान करता है, लेकिन संरचनात्मक इन्फरेंस के प्रति असुरक्षित रहता है।
  • केवल एम्बेडिंग (Embedding Only): उपयोगिता को संरक्षित करता है लेकिन औपचारिक गोपनीयता गारंटी की कमी है और सांख्यिकीय हमलों के प्रति असुरक्षित है।
  • पूर्ण पाइपलाइन (TADP-RME): दोनों लाभों को जोड़ता है, विश्वसनीयता और उपयोगिता का सर्वोत्तम संतुलन प्राप्त करता है।

• दक्षता (Efficiency): दिलचस्प बात यह है कि जैसे-जैसे प्राइवेसी स्तर बढ़ते हैं ($T \to 1$), कंप्यूटेशनल रनटाइम घटता है, जो यह सुझाव देता है कि स्ट्रक्चरल डिसरप्शन डाउनस्ट्रीम प्रोसेसिंग के लिए डेटा जटिलता को सरल बनाता है या कम प्राइवेसी सेटिंग्स पर शोर कंप्यूटेशनल लागत पर हावी रहता है।

5. महत्व और निष्कर्ष (Significance and Conclusion)

यह कार्य औपचारिक गोपनीयता गारंटी और अनुभवजन्य सिस्टम विश्वसनीयता के बीच के अंतर को पाटता है। गोपनीयता रिसाक को एक विफलता मोड के रूप में व्याख्या करके, लेखक यह प्रदर्शित करते हैं कि पारंपरिक शोर-आधारित DP आधुनिक इन्फरेंस हमलों के खिलाफ अपर्याप्त है जो ज्यामितीय संरचना का लाभ उठाते हैं।

मुख्य बातें:

• अनुकूलन क्षमता (Adaptability): ट्रस्ट-एडेप्टिव बजट प्राइवेसी स्तरों को उपयोगकर्ता या वातावरण के जोखिम प्रोफाइल के आधार पर गतिशील रूप से समायोजित करने की अनुमति देता है।
• स्ट्रक्चरल डिफेंस: RME एक आवश्यक रक्षा परत प्रदान करता है जो डेटा टोपोलॉजी का लाभ उठाकर DP को बायपास करने वाले हमलों को बाधित करता है।
• व्यावहारिक प्रभाव: यह फ्रेमवर्क उच्च-दांव वाले डोमेन (स्वास्थ्य सेवा, वित्त) में डेटा-संचालित प्रणालियों को तैनात करने के लिए एक एकीकृत दृष्टिकोण प्रदान करता है जहाँ डेटा उपयोगिता और हमलावर इन्फरेंस के खिलाफ मजबूती दोनों महत्वपूर्ण हैं।

शोध पत्र निष्कर्ष निकालता है कि TADP-RME गोपनीयता इंजीनियरिंग के लिए एक नया प्रतिमान स्थापित करता है, जहाँ विश्वसनीयता केवल शोर जोड़ने से नहीं, बल्कि डेटा के ज्यामितीय परिदृश्य को मौलिक रूप से बदलकर बढ़ाई जाती है ताकि वैध कार्यों के लिए उपयोगिता को बनाए रखते हुए हमलावरों को भ्रमित किया जा सके।