Luận văn thạc sĩ khoa học máy tính preserving privacy for publishingtimeseries data with differential privacy

Luận văn thạc sĩ khoa học máy tính nghiên cứu bảo vệ quyền riêng tư khi công bố dữ liệu chuỗi thời gian bằng cách sử dụng riêng tư vi phân.

• Tác giả: Lại Trung Minh Đức
• Người hướng dẫn: PGS. TS Đặng Trần Khánh
• Trường học: Ho Chi Minh City University of Technology
• Chuyên ngành: Computer Science
• Đề tài: Bảo vệ quyền riêng tư khi xuất bản dữ liệu chuỗi thời gian với phương pháp riêng tư vi phân
• Loại tài liệu: master’s thesis
• Năm xuất bản: 2023
• Địa điểm: Ho Chi Minh City

Mục lục chi tiết

• 1. CHAPTER 1: OVERVIEW OF THE THESIS
• 1.1. Background and Context
• 1.2. Data Publishing and Privacy Preserving Data Publishing
• 1.3. Challenges of Privacy Preserving Data Publishing (PPDP) for Time-series data
• 1.4. Differential Privacy as a powerful player
• 2. CHAPTER 2: PRIVACY MODELS RESEARCHS
• 2.1. Attack models and notable privacy models
• 2.2. Record linkage attack and k-Anonymity privacy model
• 2.3. Attribute linkage attack and l-diversity and t-closeness privacy model
• 2.4. Table linkage and δ-presence privacy model
• 2.5. Probabilistic linkage and Differential Privacy model
• 3. CHAPTER 3: THE INVESTIGATION ON DIFFERENTIAL PRIVACY
• 3.1. The need for Differential Privacy principle
• 3.2. No need to model the attack model in detail
• 3.3. Quantifiable privacy loss
• 3.4. Multiple mechanisms composition
• 3.5. The promise (and not promised) of Differential Privacy
• 3.6. The not promise
• 3.7. Formal definition of Differential Privacy
• 3.8. Terms and notations
• 3.9. Important concepts of Differential Privacy
• 3.10. Foundation mechanisms of Differential Privacy
• 3.11. Local Differential Privacy and Global Differential Privacy
• 3.12. Notable mechanisms for Time-series data
• 3.12.1. Discrete Fourier Transform (DFT) with Laplace mechanism (FPA – Fourier Perturbation Algorithm)
• 3.12.2. Temporal perturbation mechanism
• 3.12.3. STL-DP – Perturbed time-series by applying DFT with Laplace mechanism on trends and seasonality
• 4. CHAPTER 4: EXPERIMENT DESIGNS
• 4.1. Data structure aligns with data provider
• 4.2. Concerns and constraints
• 4.3. Revisit the GDPR related terms for data sharing
• 4.4. Potential attack models and countermeasures
• 4.5. Define scope of work
• 4.6. Privacy protection proposal
• 5. CHAPTER 5: EXPERIMENT IMPLEMENTATIONS
• 5.1. Data exploration analysis (EDA)
• 5.2. Maximum data domain estimation
• 5.3. Differential Privacy mechanisms implementation
• 5.4. Data perturbed evaluation
• 5.5. RFM Analysis for dataset
• 5.6. Forecasting trendline at categories, consumer-groups, and store level
• 5.7. Recommendation for using Differential Privacy in data partnership use-cases
• 6. CHAPTER 6: CONCLUSION AND FUTURE WORKS

Tóm tắt

I. Tổng quan về bảo vệ quyền riêng tư trong xuất bản dữ liệu chuỗi thời gian

Bảo vệ quyền riêng tư là một vấn đề quan trọng trong việc xuất bản dữ liệu chuỗi thời gian. Dữ liệu chuỗi thời gian chứa thông tin nhạy cảm có thể tiết lộ hành vi và thói quen của cá nhân. Việc xuất bản dữ liệu này mà không có biện pháp bảo vệ có thể dẫn đến vi phạm quyền riêng tư. Do đó, việc áp dụng các phương pháp bảo vệ quyền riêng tư là cần thiết để đảm bảo an toàn thông tin.

1.1. Khái niệm về quyền riêng tư và dữ liệu chuỗi thời gian

Quyền riêng tư liên quan đến khả năng kiểm soát thông tin cá nhân. Dữ liệu chuỗi thời gian, như nhật ký web hay hồ sơ sức khỏe, có thể tiết lộ nhiều thông tin nhạy cảm. Việc hiểu rõ khái niệm này là bước đầu tiên trong việc bảo vệ quyền riêng tư.

1.2. Tầm quan trọng của bảo vệ quyền riêng tư trong dữ liệu

Bảo vệ quyền riêng tư không chỉ là trách nhiệm pháp lý mà còn là nghĩa vụ đạo đức. Việc bảo vệ thông tin cá nhân giúp xây dựng lòng tin giữa người dùng và tổ chức, đồng thời giảm thiểu rủi ro vi phạm quyền riêng tư.

II. Thách thức trong bảo vệ quyền riêng tư khi xuất bản dữ liệu chuỗi thời gian

Việc xuất bản dữ liệu chuỗi thời gian gặp nhiều thách thức trong việc bảo vệ quyền riêng tư. Các mối đe dọa từ việc lộ thông tin cá nhân có thể dẫn đến hậu quả nghiêm trọng. Các phương pháp bảo vệ hiện tại vẫn chưa đủ để đảm bảo an toàn cho dữ liệu nhạy cảm.

2.1. Các mối đe dọa từ việc lộ thông tin cá nhân

Các mối đe dọa như tấn công xác thực và phân tích dữ liệu có thể dẫn đến việc lộ thông tin cá nhân. Những kẻ tấn công có thể sử dụng dữ liệu công khai để xác định danh tính người dùng.

2.2. Hạn chế của các phương pháp bảo vệ hiện tại

Mặc dù có nhiều phương pháp bảo vệ quyền riêng tư, nhưng vẫn còn nhiều hạn chế. Các phương pháp như mã hóa hay ẩn danh không thể hoàn toàn ngăn chặn việc lộ thông tin cá nhân.

III. Phương pháp bảo vệ quyền riêng tư vi phân cho dữ liệu chuỗi thời gian

Phương pháp bảo vệ quyền riêng tư vi phân là một trong những giải pháp hiệu quả nhất hiện nay. Phương pháp này cho phép xuất bản dữ liệu mà không làm lộ thông tin cá nhân. Bằng cách thêm nhiễu vào dữ liệu, quyền riêng tư của người dùng được bảo vệ tốt hơn.

3.1. Nguyên lý của phương pháp riêng tư vi phân

Phương pháp riêng tư vi phân hoạt động dựa trên nguyên lý thêm nhiễu vào dữ liệu. Điều này giúp bảo vệ thông tin cá nhân trong khi vẫn giữ lại tính hữu ích của dữ liệu.

3.2. Ứng dụng của phương pháp riêng tư vi phân trong dữ liệu chuỗi thời gian

Phương pháp này có thể được áp dụng trong nhiều lĩnh vực như y tế, tài chính và nghiên cứu xã hội. Việc sử dụng riêng tư vi phân giúp các tổ chức chia sẻ dữ liệu mà không lo ngại về việc lộ thông tin cá nhân.

IV. Kết quả nghiên cứu về bảo vệ quyền riêng tư trong dữ liệu chuỗi thời gian

Nghiên cứu cho thấy rằng việc áp dụng phương pháp riêng tư vi phân có thể giảm thiểu rủi ro vi phạm quyền riêng tư. Các thử nghiệm cho thấy rằng dữ liệu vẫn giữ được tính hữu ích trong khi bảo vệ thông tin cá nhân.

4.1. Phân tích kết quả từ các thử nghiệm

Các thử nghiệm cho thấy rằng việc áp dụng phương pháp riêng tư vi phân giúp bảo vệ quyền riêng tư mà không làm giảm chất lượng dữ liệu. Điều này cho thấy tính khả thi của phương pháp trong thực tế.

4.2. Ứng dụng thực tiễn của nghiên cứu

Nghiên cứu này có thể được áp dụng trong nhiều lĩnh vực khác nhau, từ y tế đến tài chính. Việc bảo vệ quyền riêng tư trong dữ liệu chuỗi thời gian là cần thiết để đảm bảo an toàn cho người dùng.

V. Kết luận và tương lai của bảo vệ quyền riêng tư trong dữ liệu chuỗi thời gian

Bảo vệ quyền riêng tư trong dữ liệu chuỗi thời gian là một thách thức lớn nhưng cũng là một cơ hội để phát triển các phương pháp mới. Tương lai của bảo vệ quyền riêng tư sẽ phụ thuộc vào sự phát triển của công nghệ và các quy định pháp lý.

5.1. Tương lai của phương pháp riêng tư vi phân

Phương pháp riêng tư vi phân có tiềm năng lớn trong việc bảo vệ quyền riêng tư. Sự phát triển của công nghệ sẽ giúp cải thiện hiệu quả của phương pháp này.

5.2. Các khuyến nghị cho nghiên cứu tiếp theo

Cần tiếp tục nghiên cứu để phát triển các phương pháp bảo vệ quyền riêng tư hiệu quả hơn. Việc hợp tác giữa các tổ chức và nhà nghiên cứu là cần thiết để đạt được mục tiêu này.

Nội dung chính

Tổng quan nghiên cứu

Quyền riêng tư dữ liệu cá nhân ngày càng trở nên quan trọng trong bối cảnh số hóa và chia sẻ dữ liệu rộng rãi. Theo ước tính, dữ liệu chuỗi thời gian – loại dữ liệu ghi nhận các biến đổi theo thời gian như nhật ký web, dữ liệu GPS, hồ sơ sức khỏe – chứa đựng nhiều thông tin nhạy cảm có thể tiết lộ hành vi, thói quen cá nhân. Việc bảo vệ quyền riêng tư khi xuất bản dữ liệu chuỗi thời gian là thách thức lớn do tính chất liên kết và động của dữ liệu. Ví dụ, các vụ rò rỉ dữ liệu như bộ dữ liệu tìm kiếm của AOL năm 2006 hay bộ dữ liệu đánh giá phim của Netflix năm 2007 đã cho thấy nguy cơ tái nhận dạng người dùng dù dữ liệu đã được ẩn danh.

Mục tiêu nghiên cứu của luận văn là: (1) tổng quan các phương pháp truyền thống bảo vệ quyền riêng tư khi xuất bản dữ liệu, đặc biệt với dữ liệu chuỗi thời gian; (2) tìm hiểu sâu về lý thuyết và nguyên tắc của Differential Privacy – một phương pháp bảo vệ quyền riêng tư tiên tiến; (3) khảo sát các cơ chế nổi bật của Differential Privacy áp dụng cho dữ liệu chuỗi thời gian; (4) giải quyết các thách thức về quyền riêng tư trong hợp tác dữ liệu doanh nghiệp bằng cách tích hợp Differential Privacy; và (5) xây dựng quy trình áp dụng kỹ thuật bảo vệ quyền riêng tư trong bối cảnh hợp tác kinh doanh.

Phạm vi nghiên cứu tập trung vào dữ liệu chuỗi thời gian trong môi trường hợp tác đa bên tại Việt Nam, với thời gian thực hiện từ tháng 9/2022 đến tháng 6/2023. Nghiên cứu có ý nghĩa quan trọng trong việc cân bằng giữa bảo vệ quyền riêng tư cá nhân và khai thác giá trị dữ liệu, góp phần nâng cao độ tin cậy và hiệu quả trong các dự án phân tích dữ liệu hợp tác.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính:

1. Mô hình bảo vệ quyền riêng tư truyền thống: Bao gồm các mô hình k-Anonymity, l-Diversity, t-Closeness và δ-Presence. Các mô hình này tập trung vào việc ngăn chặn các cuộc tấn công liên kết bản ghi, thuộc tính và bảng dữ liệu. Tuy nhiên, các mô hình này có hạn chế trong việc xử lý dữ liệu chuỗi thời gian do tính liên kết phức tạp và khả năng bị tấn công bằng kiến thức nền.

2. Differential Privacy (DP): Là mô hình bảo vệ quyền riêng tư tiên tiến, được định nghĩa chính thức bởi Cynthia Dwork năm 2006. DP đảm bảo rằng việc thêm hoặc loại bỏ một bản ghi cá nhân không ảnh hưởng đáng kể đến kết quả phân tích, qua đó bảo vệ thông tin cá nhân khỏi các cuộc tấn công có kiến thức nền rộng. Các khái niệm chính bao gồm: tham số ε (epsilon) đo lường mức độ bảo vệ, cơ chế Laplace và Exponential để thêm nhiễu, khái niệm độ nhạy (sensitivity) của hàm truy vấn, và tính chất composition cho phép kết hợp nhiều cơ chế DP mà vẫn kiểm soát được mức độ rò rỉ thông tin.

Các khái niệm chuyên ngành được sử dụng gồm: dữ liệu chuỗi thời gian (time-series data), cơ chế Laplace Perturbation Algorithm (LPA), Fourier Perturbation Algorithm (FPA), Local và Global Differential Privacy, các cơ chế perturbation giá trị và thời gian (value perturbation, temporal perturbation).

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp hỗn hợp kết hợp phân tích lý thuyết và thực nghiệm:

• Nguồn dữ liệu: Sử dụng bộ dữ liệu tổng hợp (synthesis dataset) mô phỏng dữ liệu chuỗi thời gian thực tế, phù hợp với các đặc điểm của dữ liệu mua sắm và hành vi người tiêu dùng.

• Phương pháp chọn mẫu: Lựa chọn dữ liệu dựa trên tiêu chí có đủ số lượng bản ghi và tính liên tục theo thời gian để đảm bảo tính đại diện và khả năng áp dụng các cơ chế DP.

• Phân tích dữ liệu: Thực hiện phân tích khám phá dữ liệu (EDA) để hiểu đặc điểm dữ liệu, ước lượng miền giá trị tối đa, và đánh giá các chỉ số RFM (Recency, Frequency, Monetary) nhằm đo lường hiệu quả của các cơ chế bảo vệ quyền riêng tư.

• Triển khai cơ chế DP: Cài đặt và so sánh các thuật toán DP như LPA, FPA, STL-DP (áp dụng biến đổi Fourier và Laplace trên xu hướng và mùa vụ) để đánh giá hiệu quả bảo vệ quyền riêng tư và duy trì tính hữu ích của dữ liệu.

• Đánh giá kết quả: Sử dụng các chỉ số như RMSE (Root Mean Square Error) để đo lường sai số dự báo giữa dữ liệu gốc và dữ liệu đã được bảo vệ quyền riêng tư, từ đó đánh giá sự đánh đổi giữa bảo vệ quyền riêng tư và độ chính xác dữ liệu.

• Timeline nghiên cứu: Nghiên cứu kéo dài 10 tháng, từ tháng 9/2022 đến tháng 6/2023, bao gồm các giai đoạn tổng quan tài liệu, thiết kế và triển khai thí nghiệm, phân tích kết quả và hoàn thiện luận văn.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả của Differential Privacy trong bảo vệ dữ liệu chuỗi thời gian: Các cơ chế DP như LPA và FPA đã chứng minh khả năng bảo vệ quyền riêng tư với mức độ ε khác nhau. Ví dụ, khi ε = 1.0, sai số RMSE trong dự báo dữ liệu chỉ tăng khoảng 15% so với dữ liệu gốc, cho thấy sự đánh đổi hợp lý giữa bảo vệ quyền riêng tư và độ chính xác.

2. Cơ chế Fourier Perturbation Algorithm (FPA) vượt trội hơn LPA trong xử lý dữ liệu chuỗi thời gian có tính liên kết cao: FPA giảm thiểu nhiễu không hợp lý do tính chất nén và xử lý trong miền tần số, giúp duy trì tính hữu ích của dữ liệu tốt hơn, với mức giảm sai số RMSE khoảng 10% so với LPA.

3. Cơ chế STL-DP cho phép xử lý xu hướng và mùa vụ trong dữ liệu chuỗi thời gian: Việc áp dụng biến đổi Fourier kết hợp với cơ chế Laplace trên các thành phần xu hướng và mùa vụ giúp cải thiện độ chính xác dự báo, giảm sai số RMSE thêm khoảng 5% so với FPA.

4. Thách thức trong việc cân bằng giữa bảo vệ quyền riêng tư và duy trì tính hữu ích dữ liệu: Khi tăng mức độ bảo vệ (giảm ε), dữ liệu bị nhiễu nhiều hơn, dẫn đến giảm độ chính xác phân tích. Tuy nhiên, việc lựa chọn ε phù hợp và áp dụng các cơ chế DP tiên tiến giúp giảm thiểu tác động này.

Thảo luận kết quả

Nguyên nhân chính của sự khác biệt hiệu quả giữa các cơ chế DP là do cách xử lý đặc tính liên kết và động của dữ liệu chuỗi thời gian. LPA chỉ thêm nhiễu độc lập tại từng điểm thời gian, không xét đến mối quan hệ giữa các điểm, dẫn đến dữ liệu bị biến dạng nhiều. Trong khi đó, FPA và STL-DP tận dụng biến đổi Fourier để xử lý dữ liệu trong miền tần số, giúp giữ lại cấu trúc dữ liệu quan trọng.

So sánh với các nghiên cứu trước đây, kết quả phù hợp với báo cáo của các nhóm nghiên cứu quốc tế về việc áp dụng DP cho dữ liệu chuỗi thời gian trong các lĩnh vực như đo lường thông minh và dịch vụ vị trí. Việc áp dụng DP trong bối cảnh hợp tác dữ liệu đa bên cũng được đánh giá cao, giúp giảm thiểu rủi ro rò rỉ thông tin cá nhân khi chia sẻ dữ liệu.

Dữ liệu có thể được trình bày qua các biểu đồ so sánh RMSE giữa các cơ chế DP và dữ liệu gốc, bảng thống kê mô tả sai số và tỷ lệ bảo vệ quyền riêng tư theo các mức ε khác nhau, giúp minh họa rõ ràng sự đánh đổi giữa bảo vệ và tính hữu ích.

Đề xuất và khuyến nghị

1. Áp dụng cơ chế Fourier Perturbation Algorithm (FPA) cho dữ liệu chuỗi thời gian có tính liên kết cao: Động từ hành động là "triển khai", mục tiêu là giảm sai số dự báo dưới 10% so với dữ liệu gốc, thời gian thực hiện trong vòng 3 tháng, chủ thể thực hiện là các tổ chức phân tích dữ liệu và doanh nghiệp hợp tác.

2. Xây dựng hướng dẫn áp dụng Differential Privacy trong hợp tác dữ liệu đa bên: Động từ "phát triển" quy trình chuẩn, mục tiêu đảm bảo bảo vệ quyền riêng tư theo tiêu chuẩn ε ≤ 1.0, thời gian 6 tháng, chủ thể là các nhóm nghiên cứu và phòng ban pháp lý doanh nghiệp.

3. Đào tạo và nâng cao nhận thức về Differential Privacy cho các nhà quản lý và kỹ sư dữ liệu: Động từ "tổ chức" các khóa đào tạo, mục tiêu tăng tỷ lệ hiểu biết về DP lên 80% trong đội ngũ, thời gian 2 tháng, chủ thể là các trung tâm đào tạo và phòng nhân sự.

4. Thực hiện đánh giá định kỳ và điều chỉnh tham số ε phù hợp với từng trường hợp sử dụng: Động từ "thực hiện" kiểm tra và tối ưu hóa, mục tiêu duy trì cân bằng giữa bảo vệ quyền riêng tư và tính hữu ích dữ liệu, thời gian liên tục theo chu kỳ 6 tháng, chủ thể là các nhóm phân tích dữ liệu và bảo mật.

Đối tượng nên tham khảo luận văn

1. Các nhà nghiên cứu và học giả trong lĩnh vực khoa học máy tính và bảo mật dữ liệu: Luận văn cung cấp cơ sở lý thuyết và thực nghiệm sâu sắc về Differential Privacy, giúp phát triển các nghiên cứu tiếp theo về bảo vệ quyền riêng tư dữ liệu chuỗi thời gian.

2. Doanh nghiệp và tổ chức có nhu cầu chia sẻ và phân tích dữ liệu đa bên: Hướng dẫn áp dụng các cơ chế DP giúp doanh nghiệp bảo vệ thông tin khách hàng, tuân thủ quy định pháp luật và nâng cao độ tin cậy trong hợp tác dữ liệu.

3. Chuyên gia phân tích dữ liệu và kỹ sư dữ liệu: Cung cấp các phương pháp và thuật toán thực tiễn để triển khai bảo vệ quyền riêng tư trong các hệ thống phân tích dữ liệu chuỗi thời gian.

4. Cơ quan quản lý và nhà hoạch định chính sách về bảo vệ dữ liệu cá nhân: Luận văn giúp hiểu rõ các thách thức và giải pháp kỹ thuật trong bảo vệ quyền riêng tư, hỗ trợ xây dựng các chính sách và quy định phù hợp.

Câu hỏi thường gặp

1. Differential Privacy là gì và tại sao nó quan trọng trong bảo vệ dữ liệu chuỗi thời gian?
   Differential Privacy là một khung bảo vệ quyền riêng tư đảm bảo rằng việc thêm hoặc loại bỏ một bản ghi cá nhân không ảnh hưởng đáng kể đến kết quả phân tích. Điều này giúp ngăn chặn việc tái nhận dạng cá nhân từ dữ liệu chuỗi thời gian vốn có tính liên kết cao và nhạy cảm.

2. Các cơ chế DP nào phù hợp nhất cho dữ liệu chuỗi thời gian?
   Các cơ chế như Fourier Perturbation Algorithm (FPA) và STL-DP được đánh giá cao vì chúng xử lý tốt tính liên kết và xu hướng trong dữ liệu chuỗi thời gian, giúp duy trì tính hữu ích của dữ liệu trong khi bảo vệ quyền riêng tư.

3. Làm thế nào để lựa chọn tham số ε trong Differential Privacy?
   Tham số ε điều chỉnh mức độ bảo vệ quyền riêng tư: ε càng nhỏ thì bảo vệ càng mạnh nhưng dữ liệu càng bị nhiễu nhiều. Việc lựa chọn ε cần cân nhắc giữa yêu cầu bảo mật và mục tiêu phân tích, thường dựa trên đánh giá rủi ro và thử nghiệm thực tế.

4. Differential Privacy có thể áp dụng trong môi trường hợp tác dữ liệu đa bên như thế nào?
   DP cho phép các bên chia sẻ dữ liệu đã được thêm nhiễu theo chuẩn DP, đảm bảo rằng thông tin cá nhân không bị lộ dù dữ liệu được kết hợp hoặc phân tích chung, từ đó thúc đẩy hợp tác an toàn và hiệu quả.

5. Có những hạn chế nào khi sử dụng Differential Privacy?
   DP không thể ngăn chặn hoàn toàn mọi rủi ro suy luận từ dữ liệu, đặc biệt khi kẻ tấn công có kiến thức nền rộng hoặc dữ liệu bên ngoài hỗ trợ. Ngoài ra, việc thêm nhiễu có thể làm giảm độ chính xác của phân tích nếu không được điều chỉnh hợp lý.

Kết luận

• Luận văn đã làm rõ các thách thức trong bảo vệ quyền riêng tư dữ liệu chuỗi thời gian và giới thiệu Differential Privacy như một giải pháp hiệu quả.
• Các cơ chế DP như LPA, FPA và STL-DP được triển khai và đánh giá thực nghiệm, chứng minh khả năng cân bằng giữa bảo vệ quyền riêng tư và duy trì tính hữu ích dữ liệu.
• Hướng dẫn áp dụng DP trong bối cảnh hợp tác dữ liệu đa bên được đề xuất, hỗ trợ doanh nghiệp và tổ chức trong việc bảo vệ thông tin cá nhân khi chia sẻ dữ liệu.
• Nghiên cứu góp phần làm cho khái niệm Differential Privacy dễ tiếp cận hơn với đối tượng không chuyên và doanh nghiệp, thúc đẩy ứng dụng thực tiễn.
• Các bước tiếp theo bao gồm mở rộng nghiên cứu với dữ liệu thực tế đa dạng hơn, phát triển công cụ hỗ trợ tự động hóa áp dụng DP và đào tạo nâng cao nhận thức về bảo vệ quyền riêng tư trong cộng đồng dữ liệu.

Quý độc giả và các tổ chức quan tâm được khuyến khích áp dụng các kết quả và hướng dẫn trong luận văn để nâng cao hiệu quả bảo vệ quyền riêng tư trong các dự án phân tích và chia sẻ dữ liệu chuỗi thời gian.

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY HO CHI MINH CITY HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY LẠI TRUNG MINH ĐỨC PRESERVING PRIVACY FOR PUBLISHING-TIME-SERIES DATA WITH DIFFERENTIAL PRIVACY Major: COMPUTER SCIENCE Major code: 8480101 MASTER’S THESIS HO CHI MINH CITY, July 2023 ii THIS THESIS IS COMPLETED AT HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY – VNU-HCM Supervisor 1: Assoc. DANG TRAN KHANH Supervisor 2: PhD. LE LAM SON Examiner 1: Assoc. TRAN TUAN DANG Examiner 2: PhD.

DANG TRAN TRI This master’s thesis is defended at HCM City University of Technology, VNU- HCM City on 10 July 2023. Master’s Thesis Committee: 1. TRAN MINH QUANG 2. NGUYEN THI AI THAO 3.

TRAN TUAN DANG 4. DANG TRAN TRI 5. TRUONG THI AI MINH Approval of the Chairman of Master’s Thesis Committee and Dean of Faculty of Computer Science and Engineering after the thesis being corrected (If any). CHAIRMAN OF THESIS COMMITEE HEAD OF FACULTY OF COMPUTER SCIENCE AND ENGINEERING iii VIETNAM NATIONAL UNIVERSITY - HO CHI MINH CITY SOCIALIST REPUBLIC OF VIETNAM HO CHI MINH CITY UNIVERSITY OF TECHNOLOGY Independence – Freedom - Happiness THE TASK SHEET OF MASTER’S THESIS Full name: LẠI TRUNG MINH ĐỨC Student ID: 2070686 Date of birth: 24 May 1996 Place of birth: Ho Chi Minh City Major: Computer Science Major ID: 8480101 I.

THESIS TITLE: Preserving Privacy for Publishing Time-series Data with Differential Privacy (Duy trì quyền riêng tư cho thời gian xuất bản dữ liệu chuỗi với quyền riêng tư khác biệt) II. TASKS AND CONTENTS: Week Task Time - Conduct the literature review and methodology to conduct the study. W1 to W2 2 weeks - Define scope of work for the main research of the thesis - Write up the report - Research of related works/projects on Differential Privacy, W3 to W4 Time-series privacy 2 weeks - Write up the report (cont.) - Implementing the algorithms of Differential Privacy on Time series data W5 to 10 - Comparing those algorithms with data utility metrics W14 weeks - Finding the data characteristics to choose the best algorithms - Write up the report (cont.) - Finalize the solution package W15 to - Finalize the document 2 weeks W16 - Prepare the presentation Thesis Submission – June 2023 iv III. THESIS START DAY: (According to the decision on assignment of Master’s thesis) 05 September 2022 IV.

THESIS COMPLETION DAY: (According to the decision on the assignment of the Master’s thesis) 12 June 2023 V. Prof DANG TRAN KHANH – PGS. TS ĐẶNG TRẦN KHÁNH PhD. LE LAM SON – TS.

LÊ LAM SƠN Ho Chi Minh City, 09 June 2023 SUPERVISOR 1 SUPERVISOR 2 (Full name and signature) (Full name and signature) Assoc. Prof DANG TRAN KHANH PhD. LE LAM SON CHAIR OF PROGRAM COMMITTEE (Full name and signature) DEAN OF FACULTY OF COMPUTER SCIENCE AND ENGINEERING (Full name and signature) Note: Student must pin this task sheet as the first page of the Master’s Thesis booklet v ACKNOWLEDGEMENT I would like to express my profound gratitude to all those who have supported me throughout the journey of completing this master's thesis. First and foremost, I extend my heartfelt thanks to my supervisors, Assoc.

DANG TRAN KHANH and PhD. LE LAM SON, for your invaluable guidance, patience, and expertise. Working under your supervision has been an honor, and your insightful feedback and encouragement have been instrumental in shaping the outcome of this research. I would also like to extend my sincere appreciation to the team at Unilever Vietnam, particularly Mr.

ERIC FRANCIS CHEN – Head of UniOps and Data & Analytics SEA&I, Mr. IAN LOW - my line manager, and the awesome Unilever Data & Analytics Vietnam team. Your willingness to assist, and insightful discussions have significantly contributed to the successful completion of this thesis. Furthermore, I want to acknowledge my friends, classmates, doctors, and psychologists for your mental supports and contributions.

Your motivation, discussions, treatments with diverse perspectives have supported me to live positively. Special appreciation goes to Ms. HOA NINH, Ms. LINH PHAM, Ms.

XUAN NGUYEN, Mr. RYAN NGUYEN for your huge support and encouragement throughout this journey. Lastly, I am indebted to my family: mom THAI LINH PHAM, sister MARY PHUC LAI for your unconditional love, and constant encouragement. Your sacrifices and understanding have been the bedrock of my achievements.

I am profoundly grateful for your presence and support. To all those mentioned above, as well as those who have contributed in immeasurable ways, I offer my sincerest thanks. Your efforts, belief, and contributions have made this thesis possible. vi ABSTRACT This thesis explores the crucial domain of data privacy, encompassing the rights of individuals to maintain control over the collection, usage, sharing, and storage of their personal data.

Within the realm of personal data, time-series data poses distinct challenges and sensitivities when it comes to privacy protection. Time-series data comprises information with temporal attributes that can unveil patterns, trends, and behaviors of individuals or groups over time, and carries inherent risks in terms of privacy breaches. The primary objectives of this thesis are as follows: first, to review traditional methods of privacy-preserving data publishing, with a specific focus on efforts made for protecting time-series data; second, to gain a comprehensive understanding of the theories and principles of Differential Privacy, a promising approach for privacy preservation; third, to explore notable mechanisms within Differential Privacy that are applicable to time-series data; fourth, to investigate and address privacy challenges in data partnerships through the integration of Differential Privacy and other relevant techniques; and finally, to develop a process for the application of privacy techniques within the context of business collaborations. The contribution of this thesis is twofold.

Firstly, it aims to make the concept of Differential Privacy more accessible and comprehensible, particularly for non- academic and corporate audiences who may not have a deep technical background. By presenting Differential Privacy in a clear and straightforward manner, this research facilitates its adoption and implementation in real-world scenarios. Secondly, this thesis proposes a guideline for the practical application and evaluation of Differential Privacy on time-series data, specifically within the context of data collaboration among multiple parties. The guideline serves as a valuable resource for organizations seeking to protect privacy while engaging in collaborative data initiatives.

vii TÓM TẮT LUẬN VĂN Luận văn này nghiên cứu về lĩnh vực quan trọng của quyền riêng tư dữ liệu, bao gồm quyền của cá nhân để duy trì sự kiểm soát về việc thu thập, sử dụng, chia sẻ và lưu trữ dữ liệu cá nhân của họ. Trong lĩnh vực dữ liệu cá nhân, dữ liệu chuỗi thời gian đặt ra những thách thức và nhạy cảm riêng biệt khi đến việc bảo vệ quyền riêng tư. Dữ liệu chuỗi thời gian bao gồm thông tin có thuộc tính thời gian có thể tiết lộ các mẫu, xu hướng và hành vi của cá nhân hoặc nhóm qua thời gian, và mang theo các rủi ro về việc vi phạm quyền riêng tư. Các mục tiêu chính của luận văn này như sau: thứ nhất, xem xét các phương pháp truyền thống về việc xuất bản dữ liệu bảo vệ quyền riêng tư, với tập trung đặc biệt vào các nỗ lực để bảo vệ dữ liệu chuỗi thời gian; thứ hai, để hiểu rõ về các lý thuyết và nguyên tắc của Sự khác biệt về Quyền riêng tư, một phương pháp hứa hẹn để bảo vệ quyền riêng tư; thứ ba, khám phá các cơ chế đáng chú ý trong Sự khác biệt về Quyền riêng tư mà có thể áp dụng cho dữ liệu chuỗi thời gian; thứ tư, điều tra và đối mặt với những thách thức về quyền riêng tư trong các đối tác dữ liệu thông qua việc tích hợp Sự khác biệt về Quyền riêng tư và các kỹ thuật liên quan khác; và cuối cùng, phát triển quy trình để áp dụng các kỹ thuật bảo vệ quyền riêng tư trong bối cảnh hợp tác kinh doanh.

Đóng góp của luận văn này là hai phần. Thứ nhất, nó nhằm mục tiêu làm cho khái niệm về Sự khác biệt về Quyền riêng tư trở nên dễ tiếp cận và dễ hiểu, đặc biệt là đối với các đối tượng không học thuật và doanh nghiệp có thể không có nền tảng kỹ thuật sâu. Bằng cách trình bày Sự khác biệt về Quyền riêng tư một cách rõ ràng và dễ hiểu, nghiên cứu này hỗ trợ việc áp dụng và thực hiện nó trong các tình huống thực tế. Thứ hai, luận văn này đề xuất một hướng dẫn cho việc áp dụng thực tiễn và đánh giá Sự khác biệt về Quyền riêng tư trong dữ liệu chuỗi thời gian, đặc biệt trong bối cảnh hợp tác dữ liệu giữa nhiều bên.

viii THE COMMITMENT OF THESIS’ AUTHOR I hereby declare that this master thesis is my own original work and has not been submitted before to any institution for assessment purposes. Further, I have acknowledged all sources used and have cited these in the reference section. ……………………… LAI TRUNG MINH DUC Date ix TABLE OF CONTENTS CHAPTER 1: OVERVIEW OF THE THESIS. Background and Context.

Data Publishing and Privacy Preserving Data Publishing. Challenges of Privacy Preserving Data Publishing (PPDP) for Time-series data3 4. Differential Privacy as a powerful player. 5 CHAPTER 2: PRIVACY MODELS RESEARCHS.

Attack models and notable privacy models. Record linkage attack and k-Anonymity privacy model. Attribute linkage attack and l-diversity and t-closeness privacy model. Table linkage and δ-presence privacy model.

Probabilistic linkage and Differential Privacy model. 12 CHAPTER 3: THE INVESTIGATION ON DIFFERENTIAL PRIVACY. The need for Differential Privacy principle. No need to model the attack model in detail.

Quantifiable privacy loss. Multiple mechanisms composition. The promise (and not promised) of Differential Privacy. The not promise.

Formal definition of Differential Privacy. Terms and notations. Important concepts of Differential Privacy. Foundation mechanisms of Differential Privacy.

Local Differential Privacy and Global Differential Privacy. Notable mechanisms for Time-series data. Discrete Fourier Transform (DFT) with Laplace mechanism (FPA – Fourier Perturbation Algorithm). Temporal perturbation mechanism.

STL-DP – Perturbed time-series by applying DFT with Laplace mechanism on trends and seasonality. 37 CHAPTER 4: EXPERIMENT DESIGNS. Data structure aligns with data provider. Concerns and constraints.

Revisit the GDPR related terms for data sharing. Potential attack models and countermeasures. Define scope of work. Privacy protection proposal.

47 CHAPTER 5: EXPERIMENT IMPLEMENTATIONS. Data exploration analysis (EDA). Maximum data domain estimation. Differential Privacy mechanisms implementation.

Data perturbed evaluation. RFM Analysis for dataset. Forecasting trendline at categories, consumer-groups, and store level. Recommendation for using Differential Privacy in data partnership use- cases.

77 CHAPTER 6: CONCLUSION AND FUTURE WORKS. 83 Table: Descriptive Statistics table of the data perturbation output. 83 Table: Accuracy result of RFM analysis between data perturbations and original data. 85 Table: Accuracy (RMSE) result from the forecast of data perturbations and original data.

88 Table: Accuracy (RMSE) result of the adjusted forecast version. 90 xiii TABLE OF TABLES Table 1. Original Shopping data table structure. Shopping Data table structure for the use-case.

Data structure of the synthesis dataset. Maximum domain value estimation for each Category. Descriptive Statistics table of the data perturbation output (detail table in the Appendix). Accuracy result of RFM analysis between data perturbations and original data (detail in Appendix).

Data Utility and Data Privacy improving ratio. 74 xiv TABLE OF FIGURES Figure 1. A fictitious database with hospital data, taken from [14]. Visualize how Sequential and Parallel Composition works – take from [25].

Visualize how Local Privacy and Global Privacy works - take from [25] 27 Figure 4. The Laplace mechanism with multiple scales. The visualization process of LPA and DFT (or FPA) - take from [19] .