শেয়ার করা Analytics রিপোর্টের জন্য Differential Privacy
নাম মুছে ফেলা বা ছোট cell লুকালেই Analytics রিপোর্ট private হয় না। Budget ও query একসঙ্গে ডিজাইন করলে differential privacy মাপযোগ্য release model দেয়।
Aggregate রিপোর্টে নাম বা account ID না থাকলেও তথ্য ফাঁস হতে পারে। ছোট group, বারবার export, অথবা কেবল একজনের activity-তে আলাদা এমন দুটি query থেকে বোঝা যেতে পারে তিনি dataset-এ ছিলেন কি না। শুধু total দেখালেই dashboard “anonymous” হয়ে যায় না।
Shared analytics ও public report তৈরি করা দলগুলোর কাছে বিষয়টি এখন আরও বাস্তব। মার্চ ২০২৫-এ NIST differential privacy guarantee মূল্যায়নের নির্দেশনা হিসেবে SP 800-226 প্রকাশ করেছে। Engineering দলের জন্য এটি একটি কার্যকর দৃষ্টিভঙ্গি: privacy claim-কে release mechanism-এর বৈশিষ্ট্য হিসেবে মূল্যায়ন করতে হবে, output-এর আকৃতি দেখে অনুমান করা যাবে না।
Aggregation disclosure risk দূর করে না
ধরা যাক, একটি বিরল campaign-এর জন্য রিপোর্টে একটি visit দেখা যায়, অথবা গ্রাহক শুধু একটি date, country ও page বেছে নিতে পারেন। সেই total বাস্তবে একজন ব্যক্তি বা একটি ব্যবসার তথ্য হতে পারে। ছোট cell বাদ দিলে কিছু সরাসরি disclosure ঠেকানো যায়, কিন্তু overlapping total মিলিয়ে দেখা, পরপর snapshot তুলনা করা বা বাইরের তথ্য দিয়ে লুকানো মান অনুমান করা সম্ভব।
সব dataset-কে নিরাপদ করার মতো কোনো সর্বজনীন cell-size threshold নেই। ঝুঁকি নির্ভর করে output কী প্রকাশ করে, অন্য কী তথ্য পাওয়া যায়, কে query করতে পারে এবং ফল কতবার বদলানো যায় তার ওপর। NIST-এর de-identification guidance-ও সতর্ক করে যে identifier মুছে ফেলা একটি কৌশল মাত্র; পরিকল্পিত release ও disclosure risk মূল্যায়ন করতে হয়।
Differential privacy কী বদলায়
Differential privacy (DP) একটি randomized analysis-এর output কতটা বদলাতে পারে তার গাণিতিক সীমা নির্ধারণ করে—একজনের data অন্তর্ভুক্ত করলে বনাম বাদ দিলে। এটি প্রতিশ্রুতি দেয় না যে কোনো ব্যক্তির বিষয়ে কিছুই অনুমান করা যাবে না। বরং নির্দিষ্ট assumptions-এর অধীনে একজনের অংশগ্রহণের অতিরিক্ত প্রভাব সীমিত করে।
Epsilon (ε) parameter সাধারণত privacy loss-এর সীমা প্রকাশ করে। নির্দিষ্ট mechanism-এ কম epsilon সাধারণত শক্তিশালী সুরক্ষা বোঝায়, কিন্তু এটি সর্বজনীন safety score নয়: neighboring dataset-এর সংজ্ঞা, mechanism এবং একাধিক release-এর composition অনুযায়ী এর অর্থ বদলে যায়। বহু query-তে privacy budget খরচ করা system একটি query থেকে বোঝা যায় তার চেয়ে বেশি তথ্য প্রকাশ করতে পারে।
Web analytics-এ আগে নির্ধারণ করুন contribution বলতে কী বোঝায়: pageview, দৈনিক visitor, site, নাকি person-day? একজন ব্যক্তির contribution-এর সংখ্যা ও পরিমাণ সীমিত করে সেই সীমার ওপর query এবং noise mechanism ডিজাইন করুন। একজন visitor যদি count-এ হাজার row যোগ করতে পারে, তাহলে শুধু চূড়ান্ত total-এ noise যোগ করে প্রত্যাশিত per-person guarantee নাও পাওয়া যেতে পারে।
পুরো release surface-এর budget করুন
একই underlying data ব্যবহার করা প্রতিটি output-এ privacy expenditure ট্র্যাক করুন। যেকোনো date range, filter ও export-সহ query builder-এর risk surface একটি fixed weekly report-এর মতো নয়। উপলভ্য dimension সীমিত করুন, বিরল category একত্র করুন এবং query cache হবে, compose হবে, নাকি finite budget থেকে charge হবে তা ঠিক করুন। এগুলো statistical সিদ্ধান্তের পাশাপাশি product ও API সিদ্ধান্তও।
System design-এ budget স্পষ্টভাবে রাখুন। Protected unit, adjacency model, mechanism, epsilon ও প্রযোজ্য delta, contribution limit, release cadence এবং কারা release শুরু করতে পারবে তা লিখে রাখুন। একই report আবার তৈরি হলে সেটিকে নীরবে স্বাধীন ফল হিসেবে ধরবেন না। প্রতি run-এ নতুন noise যোগ করলে ফলের average নেওয়া সম্ভব; cached result ফেরত দিলে repeated-sampling-এর এই নির্দিষ্ট সমস্যা এড়ানো যায়, তবে composition-এর সব ঝুঁকি দূর হয় না।
Threshold-কে guarantee হিসেবে প্রচার করবেন না
Minimum group size, rounded number বা hidden row ঝুঁকি কমাতে কাজে লাগে, কিন্তু এগুলো differential privacy নয়। NIST SP 800-226 guarantee ও assumptions মূল্যায়নের ওপর জোর দেয়; কোনো technique-এর নামকে প্রমাণ ধরে না। NIST SP 800-188-ও data-sharing model বেছে নেওয়া, মাপযোগ্য de-identification লক্ষ্য নির্ধারণ এবং release অনুযায়ী ঝুঁকি মূল্যায়নের পরামর্শ দেয়।
সব product-এর DP দরকার নেই। শুধু একজন authorized গ্রাহকের জন্য private dashboard-এর audience ও threat model public benchmark বা cross-customer report থেকে আলাদা। তবে system যদি বহু tenant জুড়ে repeated query অনুমোদন করে, ধরে নিন ব্যবহারকারীরা ফল তুলনা করবে এবং এই flexibility দেওয়ার আগে privacy model নির্দিষ্ট করুন।
Statistical disclosure control প্রস্তুত dashboard-এর ওপর লাগানো cosmetic layer নয়। Protected unit, query budget এবং report design-ই ঠিক করে aggregate নিরাপদে শেয়ার করা যাবে কি না।
Comments
Loading comments…