🔢 mathematics

Dependency Triad: A Metric to Quantify the Dependencies Between Attributes for Local Differential Privacy

यह शोध पत्र "डिपेंडेंसी ट्रायड" (DT) प्रस्तावित करता है, जो एक नवीन मीट्रिक है जो तीन मापदंडों के साथ युग्मवार निर्भरताओं (pairwise dependencies) को संक्षेपित करके मल्टीडायमेंशनल लोकल डिफरेंशियल प्राइवेसी में सहसंबंध-प्रेरित गोपनीयता रिसाव (correlation-induced privacy leakage) के लिए एक सुदृढ़, स्थिर-समय अनुमानक प्रदान करता है, जिससे मौजूदा समाधानों की स्केलेबिलिटी और पूर्व ज्ञान की सीमाओं पर विजय प्राप्त होती है।

मूल लेखक: Sandaru Jayawardana, Sennur Ulukus, Ming Ding, Kanchana Thilakarathna

प्रकाशित 2026-08-05

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Sandaru Jayawardana, Sennur Ulukus, Ming Ding, Kanchana Thilakarathna

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप दोस्तों के साथ एक ग्रुप फोटो साझा करते समय अपने रहस्यों को सुरक्षित रखने की कोशिश कर रहे हैं। आप अपने चेहरे को इतना धुंधला करना चाहते हैं कि कोई आपको पहचान न सके, लेकिन इतना भी नहीं कि फोटो एक बेकार ग्रे धब्बे में बदल जाए। यह लोकल डिफरेंशियल प्राइवेसी (LDP) नामक एक क्षेत्र का मूल है। यह गणितीय नियमों का एक समूह है जो कंप्यूटर को आपके डिवाइस पर ही आपके व्यक्तिगत डेटा को उलझाने में मदद करता है, इससे पहले कि वह आपके हाथों से बाहर निकले, यह सुनिश्चित करते हुए कि भले ही डेटा एकत्र करने वाला थोड़ा जिज्ञासु हो, वे आसानी से यह पता न लगा सकें कि आप कौन हैं या आपने क्या किया है।

हालाँकि, जीवन शायद ही कभी केवल एक रहस्य के बारे में होता है। आपका डेटा जुड़े हुए तथ्यों का एक जाल है: आपकी आयु, आपका ज़िप कोड, आपकी नौकरी और आपके शौक—ये सभी एक साथ जुड़े हुए हैं। यदि आप अपने काम के शीर्षक को धुंधला कर देते हैं लेकिन अपना ज़िप कोड स्पष्ट छोड़ देते हैं, तो एक चतुर जासूस उन दोनों के बीच के संबंध का उपयोग करके आपके काम का अनुमान लगाने के लिए कर सकता है। यह कोरिलेशन-इंड्यूस्ड प्राइवेसी लीकेज (सहसंबंध-प्रेरित गोपनीयता रिसाव) की एक जटिल समस्या है। यह घर का मुख्य दरवाज़ा लॉक करने जैसा है लेकिन पीछे की खिड़की खुली छोड़ देने जैसा; आपके डेटा बिंदुओं के बीच का सहसंबंध जानकारी को दरारों के माध्यम से अंदर पहुँचा सकता है। वर्षों तक, विशेषज्ञों ने इस बात को मापने के लिए संघर्ष किया कि इन दरारों से कितनी जानकारी लीक होती है, खासकर जब उनके पास इस बात का सटीक नक्शा नहीं होता कि डेटा कैसे जुड़ा हुआ है।

यह शोध पत्र इस पहेली को सुलझाने के लिए एक चतुर नया उपकरण पेश करता है जिसे डिपेंडेंसी ट्रायड (Dependency Triad - DT) कहा जाता है। डिपेंडेंसी ट्रायड को एक "प्राइवेसी वेदर रिपोर्ट" के रूप में सोचें जिसे यह बताने के लिए पूरे आकाश के पूर्ण मानचित्र की आवश्यकता नहीं है कि बारिश होने वाली है या नहीं। पूरे आकाश के हर एक बादल को याद करने की कोशिश करने के बजाय (जो कि लाखों डेटा बिंदुओं के मामले में असंभव है), लेखकों ने पाया कि आपको केवल तीन सरल संख्याओं की आवश्यकता है जिससे यह अनुमान लगाया जा सके कि डेटा बिंदुओं को जोड़ने पर कितनी गोपनीयता लीक होगी।

यह सरल अंग्रेजी में कैसे काम करता है: कल्पना कीजिए कि आप किसी मित्र की आयु के आधार पर उनके पसंदीदा आइसक्रीम फ्लेवर का अनुमान लगाने की कोशिश कर रहे हैं। यदि आप जानते हैं कि प्रत्येक आयु के लिए फ्लेवर का सटीक वितरण क्या है, तो आप जोखिम की सटीक गणना कर सकते हैं, लेकिन इसमें बहुत समय लगता है और एक विशाल डेटाबेस की आवश्यकता होती है। लेखकों ने महसूस किया कि गोपनीयता के उद्देश्य के लिए, आपको पूरे डेटाबेस की आवश्यकता नहीं है। आपको केवल तीन चीजें जानने की आवश्यकता है:

"वर्स्ट-केस" अनुपात ( $\alpha$ ): एक विशिष्ट फ्लेवर किसी अन्य आयु की तुलना में कितनी अधिक संभावना रखता है? यह अधिकतम संभावित लीक को बताता है।
"कैलिब्रेटेड" अनुपात ( $\beta$ ): एक मध्यम मार्ग वाला नंबर जो गणित को बेहतर बनाने में मदद करता है जब गोपनीयता सेटिंग्स बहुत सख्त होती हैं (जैसे कि जब हम डेटा में बहुत अधिक शोर/नॉइज़ जोड़ते हैं)।
"स्पैरसिटी" कारक ( $\delta$ ): डेटा कितना खाली या विरल है, इसका एक माप। यदि कुछ फ्लेवर-आयु संयोजन कभी नहीं होते हैं, तो यह कारक उन "भूतिया" संभावनाओं का हिसाब रखता है जो गणित को उलझा सकती हैं।

डिपेंडेंसी ट्रायड का जादू यह है कि यह एक ऐसी समस्या को बदल देता है जिसे हल करने में पहले एक सुपरकंप्यूटर को घंटों लगते थे, उसे एक स्मार्टफोन द्वारा पलक झपकते ही (कॉन्स्टेंट टाइम) गणना योग्य बना देता है। यह एक 1,000 पन्नों वाले निर्देश मैनुअल को एक सिंगल स्टिकी नोट से बदलने जैसा है जो अभी भी आपको मशीन को ठीक करने का तरीका बताता है।

यह शोध पत्र सिद्ध करता है कि यह तीन-संख्याओं का सारांश एक सुरक्षित, रूढ़िवादी अनुमान है। इसका मतलब है कि यदि DT कहता है कि आपकी गोपनीयता सुरक्षित है, तो वह वास्तव में सुरक्षित है; यह जोखिम का कम अनुमान कभी नहीं लगाता है। लेखकों ने इसे बनावटी डेटा और वास्तविक दुनिया के डेटासेट (जैसे आय सर्वेक्षण और स्वास्थ्य रिकॉर्ड) दोनों पर परखा और पाया कि DT अविश्वसनीय रूप से सटीक है। यह तब भी काम करता है जब डेटा का "मानचित्र" एकदम सटीक नहीं होता—अर्थात, यह उन स्थितियों को संभाल सकता है जहाँ डेटा समय के साथ थोड़ा बदल गया हो या लोगों के थोड़े अलग समूह से आया हो।

संक्षेप में, यह शोध पत्र तर्क देता है कि हमें डेटा को सुरक्षित रखने के लिए यह जानने की आवश्यकता नहीं है कि डेटा कैसे जुड़ा हुआ है। इस "डिपेंडेंसी ट्रायड" का उपयोग करके, गोपनीयता विशेषज्ञ तेजी से और सुरक्षित रूप से यह पता लगा सकते हैं कि लोगों को सुरक्षित रखने के लिए डेटा में कितना शोर जोड़ना है, बिना असंभव गणनाओं में उलझे। यह उपयोगी डेटा की आवश्यकता और गोपनीयता की परम आवश्यकता के बीच संतुलन बनाने का एक तेज़ और स्मार्ट तरीका है।

तकनीकी सारांश: लोकल डिफरेंशियल प्राइवेसी में डिपेंडेंसी को मापने के लिए डिपेंडेंसी ट्रायड (DT)

1. समस्या विवरण (Problem Statement)

लोकल डिफरेंशियल प्राइवेसी (LDP) के तहत बहुआयामी उपयोगकर्ता डेटा का संग्रह एक गंभीर चुनौती का सामना कर रहा है: कोरिलेशन-इंड्यूस्ड प्राइवेसी लीकेज (CPL)। जबकि LDP तंत्र (जैसे, $\epsilon$ -LDP) व्यक्तिगत गुणों (attributes) के लिए लीकेज को सीमित करते हैं, गुणों के बीच की परस्पर निर्भरता (inter-attribute dependencies) अनजाने में सह-संबंधित जानकारी को प्रकट कर सकती है, जिससे इच्छित बजट से अधिक गोपनीयता भेद्यता (privacy vulnerabilities) बढ़ जाती है।

CPL को मापने वाले मौजूदा समाधान मुख्य रूप से दो प्राथमिक सीमाओं से ग्रस्त हैं जो उनकी व्यावहारिक प्रयोज्यता को बाधित करते हैं:

स्केलेबिलिटी और मैकेनिज्म संबंधी बाधाएं: कई मौजूदा एल्गोरिदम (जैसे, ITS, CBP, HCC-1/2, LTM) या तो विशिष्ट LDP तंत्रों (जैसे, टू-लेवल परटर्बेशन) तक सीमित हैं या एट्रिब्यूट अल्फाबेट आकार ( $a, b$ ) के सापेक्ष उच्च समय और स्पेस जटिलता (जैसे, $O(a^2b^2)$ या $O(a^2b \log b)$ ) से ग्रस्त हैं। यह उन्हें उच्च-कार्डिनैलिटी वाले गुणों या पुनरावृत्ति गोपनीयता बजट अंशांकन (iterative privacy budget calibration) के लिए अव्यवहार्य बनाता है।
ग्राउंड-ट्रुथ डिस्ट्रीब्यूशन पर निर्भरता: वर्तमान विधियाँ दोनों गुणों के बीच सटीक, ग्राउंड-ट्रुथ जॉइंट प्रोबेबिलिटी डिस्ट्रीब्यूशन तक पहुँच मानती हैं। वास्तविक दुनिया के LDP परिदृश्यों में, यह वितरण शायद ही कभी ज्ञात होता है; इसे अक्सर पूर्व डेटा, सार्वजनिक डेटासेट, या जनसंख्या के उपसमुच्चयों से अनुमानित किया जाता है। ज्ञात प्रायर (prior) और वास्तविक वितरण के बीच विसंगतियां (जनसांख्यिकीय बदलाव, सैंपलिंग बायस, या पुरानापन के कारण) लीकेज के कम आकलन (underestimation) की ओर ले जा सकती हैं, जिससे गोपनीयता भेद्यता पैदा होती है, या अधिक आकलन (overestimation) की ओर ले जा सकती हैं, जिससे डेटा उपयोगिता (utility) कम हो जाती है।

यह शोध पत्र तर्क देता है कि एक ऐसे मेट्रिक की आवश्यकता है जो कॉन्स्टेंट टाइम ( $O(1)$ ) में CPL का अनुमान लगा सके, जो स्पार्स डिस्ट्रीब्यूशन (sparse distributions) के अनुकूल हो, और बिना ग्राउंड-ट्रुथ ज्ञान के डिस्ट्रिब्यूशनल अनिश्चितता (distributional uncertainty) के प्रति मजबूत बना रहे।

2. कार्यप्रणाली: डिपेंडेंसी ट्रायड (DT)

लेखक डिपेंडेंसी ट्रायड (DT) प्रस्तावित करते हैं, जो तीन मापदंडों: $(\alpha, \beta, \delta)$ का उपयोग करके CPL के लिए प्रासंगिक युग्मवार निर्भरता (pairwise dependency) जानकारी को सारांशित करने वाला एक नवीन मेट्रिक है।

A. मूल अवधारणा (Core Concept)

पूर्ण $a \times b$ जॉइंट डिस्ट्रीब्यूशन को संग्रहीत करने के बजाय, DT निर्भरता संरचना को तीन स्केलर मापदंडों में संकुचित करता है। यह किसी भी गोपनीयता बजट $\epsilon$ के लिए CPL के कॉन्स्टेंट-टाइम ( $O(1)$ ) अनुमान की अनुमति देता है।

B. मापदंड व्युत्पत्ति (Parameter Derivation)

व्युत्पत्ति में एलिमेंट-वाइज रेश्यो के माध्यम से कंडीशनल प्रोबेबिलिटी वेक्टर्स $G$ और $G'$ (जो $P(\hat{X}|X_k=x)$ और $P(\hat{X}|X_k=x')$ को दर्शाते हैं) का अनुमान शामिल है।

$\alpha$ (रेश्यो का अपर बाउंड): यह अधिकतम लाइकलीहुड रेश्यो का प्रतिनिधित्व करता है, जो लो प्राइवेसी रिजीम (बड़े $\epsilon$ ) में लीकेज व्यवहार को नियंत्रित करता है। इसे इस प्रकार परिभाषित किया गया है:
$\alpha = \ln \left( \max_{\hat{x}, x, x'} \frac{p(\hat{x}|x) + \Delta_{\hat{x},x}}{p(\hat{x}|x') - \Delta_{\hat{x},x'}} \right)$
जहाँ $\Delta$ अनिश्चितता मैट्रिक्स (uncertainty matrix) का प्रतिनिधित्व करता है।
$\delta$ (स्पैरसिटी करेक्शन): यह उन मामलों को संभालता है जहाँ डिस्ट्रीब्यूशन स्पार्स है (अर्थात, डिनोमिनेटर शून्य हो जाते हैं)। यह उन एज केसेस में मास कंसंट्रेशन को कैप्चर करता है जहाँ $p(\hat{x}|x') = 0$ है।
$\beta$ (कैलिब्रेटेड लोअर बाउंड): मूल रूप से, एक पैरामीटर $\gamma$ (मिनिमम रेश्यो) का उपयोग किया गया था। हालांकि, लेखकों ने पाया कि $(\alpha, \gamma, \delta)$ ओवरएस्टीमेशन त्रुटियों की ओर ले जा सकते हैं। सटीकता में सुधार करने और एक रूढ़िवादी अपर बाउंड बनाए रखने के लिए, वे एक कैलिब्रेशन स्टेप पेश करते हैं। $\beta$ को ज्ञात डिस्ट्रीब्यूशन के सटीक CPL ( $CPL^\star$ ) से मेल खाने के लिए एक विशिष्ट प्राइवेसी बजट $\epsilon_0$ (आमतौर पर $\epsilon_0 \to 0$ ) पर लोअर बाउंड को कैलिब्रेट करके प्राप्त किया जाता है। यह सुनिश्चित करता है कि एस्टिमेटर सभी $\epsilon \geq \epsilon_0$ के लिए एक टाइट अपर बाउंड है।

C. डिस्ट्रिब्यूशनल अनिश्चितता को संभालना

ग्राउंड-ट्रुथ डेटा की कमी को संबोधित करने के लिए, DT ज्ञात डिस्ट्रीब्यूशन $P_K$ के आसपास एक अनिश्चितता सेट $\Delta$ को स्पष्ट रूप से शामिल करता है। पैरामीटर्स $(\hat{\alpha}, \hat{\beta}, \hat{\delta})$ को $P_K \pm \Delta$ द्वारा परिभाषित व्यवहार्य क्षेत्र (feasible region) पर ऑप्टिमाइज़ करके कंप्यूट किया जाता है। यह सुनिश्चित करता है कि परिणामी CPL अनुमान एक रूढ़िवादी अपर बाउंड है, भले ही वास्तविक डिस्ट्रीब्यूशन $P_A$ , $P_K$ से विचलन के भीतर हो।

D. एल्गोरिदम

एल्गोरिदम 1: एक ज्ञात डिस्ट्रीब्यूशन और अनिश्चितता मैट्रिक्स से $(\alpha, \beta, \delta)$ पैरामीटर्स की गणना करता है। इसमें एट्रिब्यूट पेयर्स पर इटरेट करना और $\phi$ (जो $\beta$ के लिए उपयोग किया जाता है) खोजने के लिए एक रिलैक्स्ड लीनियर प्रोग्राम (LP) को हल करना शामिल है, जिसके परिणामस्वरूप प्री-कंप्यूटेशन कॉम्प्लेक्सिटी $O(a^2b^{3.5})$ है।
एल्गोरिदम 2: प्री-कंप्यूटेड DT पैरामीटर्स और प्राइवेसी बजट $\epsilon$ का उपयोग करके कॉन्स्टेंट टाइम $O(1)$ में CPL का अनुमान लगाता है।

3. प्रमुख योगदान (Key Contributions)

नवीन मेट्रिक (DT): केवल तीन मापदंडों का उपयोग करके LDP लीकेज विश्लेषण के लिए युग्मवार निर्भरता को सारांशित करने के लिए विशेष रूप से डिज़ाइन किया गया पहला मेट्रिक। यह पूर्ण जॉइंट डिस्ट्रीब्यूशन के एक रूढ़िवादी सरोगेट के रूप में कार्य करता है।
सैद्धांतिक गारंटी (Theoretical Guarantees):
- अपर बाउंड: लेखक सिद्ध करते हैं कि DT-आधारित एस्टिमेटर वास्तविक CPL ( $CPL^\star$ ) का एक टाइट अपर बाउंड है, जो यह सुनिश्चित करता है कि रिपोर्ट किया गया लीकेज वास्तविक प्राइवेसी लॉस को कम करके नहीं बताता है।
- अनिश्चितता मजबूती (Uncertainty Robustness): मेट्रिक यह सिद्ध करता है कि यह अनिश्चित या मिसमैच डिस्ट्रीब्यूशन के मामले में भी वैध और रूढ़िवादी बना रहता है।
- जटिलता (Complexity): यह स्पेस कॉम्प्लेक्सिटी को $O(ab) $से$ O(1)$ में और इवैल्यूएशन टाइम को पॉलीनोमियल से कॉन्स्टेंट टाइम में कम करता है।
कैलिब्रेशन मैकेनिज्म: $\beta$ पैरामीटर को कैलिब्रेट करने का एक तरीका ताकि अनुमान त्रुटि को न्यूनतम करते हुए प्राइवेसी गारंटी को सुरक्षित रखा जा सके, जो सरल रेश्यो एप्रोक्सिमेशन के गैप को संबोधित करता है।
अनुभवजन्य सत्यापन (Empirical Validation): पांच वास्तविक दुनिया के डेटासेट्स (SPM, CelebA, Adult, CVD, DSS) और सिंथेटिक डेटा पर व्यापक प्रयोगों से पता चलता है कि DT विविध डिपेंडेंसी रिजीम्स और प्राइवेसी बजट केAcross लगातार बहुत कम नॉर्मलाइज्ड मीन स्क्वायर एरर (NMSE < 0.025) के साथ CPL का अनुमान लगाता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

सटीकता (Accuracy): DT, वास्तविक डेटासेट्स पर बेसलाइन्स (जैसे HCC-2 और LTM) द्वारा कंप्यूट किए गए अनुकूलतम $CPL^\star$ की तुलना में बहुत कम अनुमान त्रुटियां प्राप्त करता है। हाई-प्राइवेसी रिजीम्स ( $\epsilon \in (0, 1]$ ) में, NMSE असाधारण रूप से कम (< 0.003) है।
स्केलेबिलिटी (Scalability): बेसलाइन्स के विपरीत, जिन्हें प्रत्येक प्राइवेसी बजट के लिए पुन: गणना की आवश्यकता होती है, DT तीव्र मूल्यांकन की अनुमति देता है। एक बजट कैलिब्रेशन परिदृश्य में, DT ने LTM बेसलाइन के 61 सेकंड की तुलना में 7 सेकंड में कार्य पूरा किया।
अनिश्चितता के प्रति मजबूती (Robustness to Uncertainty): डिस्ट्रीबशनल शिफ्ट्स (एरर मार्जिन को 10%–20% तक बदलकर सिम्युलेट किया गया) के साथ परीक्षण किए जाने पर, DT ने वास्तविक लीकेज पर एक टाइट अपर बाउंड बनाए रखा, जबकि अनिश्चितता को अनदेखा करने वाली विधियों ने अंडरएस्टीमेशन का जोखिम उठाया।
स्ट्रक्चरल रिजीम्स (Structural Regimes): DT विभिन्न निर्भरता संरचनाओं (लो-एंट्रॉपी, स्पार्स, वन-टू-मेनी, आदि) में अच्छा प्रदर्शन करता है। यह केंद्रित निर्भरताओं (concentrated dependencies) के लिए अत्यंत सटीक और स्पार्स या टेल-सेंसिटिव डिस्ट्रीब्यूशन के लिए रूढ़िवादी रूप से सटीक था।
प्राइवेसी-यूटिलिटी ट्रेड-ऑफ: एट्रिब्यूट इन्फरेंस हमलों और k-मार्जनल एस्टीमेशन कार्यों में, DT-सक्षम बजट कैलिब्रेशन ने स्टैंडर्ड स्प्लिटिंग (SPL) या रैंडम सैंपलिंग (RS) विधियों की तुलना में बेहतर या तुलनीय उपयोगिता (लोअर टोटल वेरिएशन डिस्टेंस) प्राप्त की, विशेष रूप से उच्च-क्रम मार्जियल्स के लिए, जबकि इन्फरेंस हमलों के प्रति मजबूत प्रतिरोध बनाए रखा।

5. महत्व और दावे (Significance and Claims)

यह पेपर दावा करता है कि डिपेंडेंसी ट्रायड (DT) बहुआयामी LDP सेटिंग्स में सैद्धांतिक प्राइवेसी विश्लेषण और व्यावहारिक परिनियोजन (deployment) के बीच के अंतर को पाटता है।

व्यावहारिक प्रयोज्यता (Practical Applicability): ग्राउंड-ट्रुथ डिस्ट्रीब्यूशन की आवश्यकता को हटाकर और कॉन्स्टेंट-टाइम एस्टीमेशन को सक्षम करके, DT वास्तविक दुनिया के डेटा कलेक्शन पाइपलाइन्स में कठोर CPL विश्लेषण को संभव बनाता है जहाँ डिस्ट्रीब्यूशन अनिश्चित होते हैं।
सुरक्षा (Safety): एस्टिमेटर की रूढ़िवादी प्रकृति यह सुनिश्चित करती है कि डिस्ट्रिब्यूशनल मिसमैच के कारण गोपनीयता गारंटी से समझौता न हो, जो अनट्रस्टेड वातावरण में LDP को तैनात करने के लिए एक महत्वपूर्ण आवश्यकता है।
दक्षता (Efficiency): कॉन्स्टेंट-टाइम लीकेज एस्टीमेशन की क्षमता डायनेमिक और पुनरावृत्ति गोपनीयता बजट अंशांकन (budget calibration) की अनुमति देती है, जिससे अत्यधिक कम्प्यूटेशनल लागत के बिना प्राइवेसी-यूटिलिटी ट्रेड-ऑफ को अनुकूलित किया जा सकता है।

लेखक निष्कर्ष निकालते हैं कि हालांकि DT पूरी तरह से अंतर्निहित जॉइंट डिस्ट्रीब्यूशन को चरित्रकृत नहीं करता है, फिर भी यह बहुआयामी सेटिंग्स में कुल गोपनीयता लीकेज का आकलन करने के लिए एक पर्याप्त, सुलभ और सैद्धांतिक रूप से सुदृढ़ बिल्डिंग ब्लॉक प्रदान करता है, जो मौजूदा विधियों की स्केलेबिलिटी और डेटा उपलब्धता सीमाओं को दूर करता है।