As the big data industry expands, various institutions and companies are collecting information of people for analyzing the statistics or developing personalized system. To prevent the leakage of private information from providing data, a privacy protection technique basedon the notion of local differential privacy (LDP) has been widely studied. Basically, the data should be perturbed randomly by some privacy mechanism before providing to others in order to satisfy the privacy constraint. In this thesis, we consider an user data distribution estimation task under LDP constraint in wireless communication environments where the sensitive user data is transmitted. We propose a new privacy protection mechanism using a combination of randomized response, known as optimal digital data preprocessing in the existing pure LDP constraint, and binary phase shift keying (BPSK), known as analog data preprocessing method and exploiting the wireless channel noise. Finally, we analyze the privacy‑utility trade‑off of the proposed scheme and we confirm that we achieve improved trade‑off comparing power control Gaussian mechanism in high privacy regime.
빅데이터 산업이 활성화됨에 따라 기업 및 다양한 정부기관에서 많은 사용자 데이터로부터 정보를 수집하여 통계, 마케팅 등에 활용하고 있다. 하지만 이와 함께 개인정보 유출에 대한 문제도 심화되고 있다. 사용자의 민감정보 프라이버시 보호를 위해서 학계, 산업계에서는 국소 차등 정보보호(Local Differential Privacy, LDP)기반 프라이버시 보호 기법을 활발히 연구중이다. 해당 기법은 사용자 데이터를 서버로 전송하기 전 주어진 프라이버시 제약을 만족시키기 위해 정의된 프라이버시 메커니즘으로 사용자 데이터를 랜덤하게 왜곡시키는 기법이다. 본 논문에서는 민감 데이터가 많이 오가는 무선 통신 환경에서 주어진 LDP 제약을 만족시킬 수 있는 무선 매개 변수 추정 모델에 적용될 수 있는 프라이버시 보호 메커니즘을 연구하였다. 기존 순수 LDP에서 최적이라고 알려진 디지털 데이터 전처리에 해당하는 무작위 응답 기법과, 아날로그 전처리 방식이자 채널의 노이즈를 활용할 수 있는 이진 위상 편이 변조 (BPSK)를 복합적으로 활용하여 프라이버시 보호 메커니즘을 새롭게 제안하였다. 최종적으로 기존 무선환경에서 많이 사용된 전력 제어 가우시안 메커니즘과 프라이버시‑유틸리티 트레이드 오프를 분석하였으며 높은 프라이버시 영역에서 개선된 트레이드 오프를 달성함을 확인하였다.
