k-익명성
왜 중요한가 조직들은 흔히 "이름을 뺀" 뒤 데이터를 나누고 익명이라고 불러요. 합성 데이터에서 평범한 사실 세 개가 얼마나 빨리 이름을 되돌려 놓는지 보게 될 거예요. 진짜 재식별이 이렇게 일어났고, 56번 레슨의 방어가 있는 이유예요.
소문 테스트
누군가 말해요: "우리 거리의 1981년 3월 3일생 여자가 방금 진단을 받았대." 이름은 말하지 않았어요. 하지만 한 거리에서 정확히 그 생일을 가진 여자가 몇 명일까요? 아마 한 명이에요. 세부 사항이 이름이었어요.
준식별자: 이름은 아니지만 다른 몇 개와 합치면 한 사람을 가리키는 사실. 우편번호, 정확한 생년월일, 성별이 고전적인 셋이에요.
재식별: 이름 없이 공개된 데이터에 이름을 되돌려 놓는 것. 보통 이름이 있는 다른 목록과 이어서 해요.
2000년 Latanya Sweeney의 유명한 연구는 미국 사람의 약 87%를 우편번호, 생년월일, 성별만으로 골라낼 수 있다고 추정했어요. 더 새로운 인구 조사 데이터를 쓴 나중 연구(Golle, 2006)는 63%에 더 가깝다고 했어요: 더 낮지만 여전히 대부분이고, 그게 요점이에요. 지어낸 데이터에서 같은 효과를 볼 거예요.
연습 데이터
synthetic_people(2000)은 지어낸 건강 표를 만들어요: id, name, zip, birth_date, gender, diagnosis. 그 안의 누구도 진짜가 아니에요. 순진한 방법으로, 이름을 빼서 "익명화"해요. synthetic_public_roll(people)은 클럽 명부 같은 지어낸 공개 목록을 만들어요. 이름, 우편번호, 생년월일, 성별은 있지만 진단은 없어요.
위험 재기: k
k-익명성: 준식별자 값의 모든 조합을 적어도 k개 행이 나눠 가질 때 표는 k-익명이에요. k = 1은 적어도 한 사람이 혼자라서 찾을 수 있다는 뜻이에요.
k를 찾으려면: 행을 준식별자 튜플로 묶고, 각 묶음을 세고, 가장 작은 개수를 구해요. ["gender"]만 있으면 k는 커요. 우편번호, 생년월일, 성별을 함께 쓰면 k는 1로 떨어져요.
잇기
공개 명부의 각 사람에 대해 키 (zip, birth_date, gender)를 만들고 공개된 표에서 찾아요. 엄격하게: 키가 공개본에 정확히 한 번, 명부에 정확히 한 번 나올 때만 일치로 쳐요. 그러면 확실해요. 두 기록이 키를 나눠 가지면 어느 게 어느 건지 알 수 없고, 명부의 두 사람이 나눠 가지면 누가 누구인지 알 수 없어요.
reidentify(released, roll)
# {17: 'Mei Patel', 203: 'Omar Novak', ...} record id -> name17번 기록에 이름이 생기면 그 진단에도 이름이 생겨요. 그게 공격 전부예요: 무해해 보이는 목록 두 개, 잇기 하나.
흔한 오해
"이름, 이메일, 전화번호를 빼면 데이터가 익명이 된다." 뻔한 식별자는 빼지만, 남은 열이 여전히 사람을 골라낼 수 있어요. 데이터가 익명인지는 그것과 이을 다른 무엇이 있는지에 달려 있고, 그래서 56번 레슨은 데이터 자체를 바꿔요.
해 보기 통과하면 명부의 fraction을 0.6에서 0.2로 바꾸고 다시 돌리세요. 일치 수는 떨어지지만, 재식별하는 명부 사람의 몫은 거의 바뀌지 않아요. 각 사람은 목록이 얼마나 큰지가 아니라 자기 세부 사항 때문에 드러나요.
다른 언어로
JavaScript:
function reidentify(released, roll, cols) {
const key = r => JSON.stringify(cols.map(c => r[c]));
const count = list => list.reduce((m, r) => m.set(key(r), (m.get(key(r)) || 0) + 1), new Map());
const a = count(released), b = count(roll);
const byKey = new Map(released.map(r => [key(r), r]));
const found = {};
for (const p of roll) {
if (a.get(key(p)) === 1 && b.get(key(p)) === 1) found[byKey.get(key(p)).id] = p.name;
}
return found;
}C#(LINQ)으로 본 SQL 방식 생각:
var matches =
from r in released
join p in roll on new { r.Zip, r.BirthDate, r.Gender }
equals new { p.Zip, p.BirthDate, p.Gender }
select new { r.Id, p.Name };
// then keep only keys that occur once on each side요약
- 준식별자(우편번호, 생년월일, 성별)는 이름 없이 사람을 골라낼 수 있어요.
- k는 같은 준식별자를 나눠 가진 가장 작은 묶음의 크기예요. k = 1은 누군가 드러났다는 뜻이에요.
- 이름 없는 표를 이름 있는 공개 목록과 이으면 사람들이 재식별돼요.
- 이름 빼기는 익명화가 아니에요. 여기서는 합성 데이터만 쓰고, 방어는 다음이에요.
quasi_key(row, columns)(값의 튜플), smallest_group(rows, columns)(키를 나눠 가진 가장 작은 행 묶음의 크기: 그게 k), 그리고 키가 released에 정확히 한 번, roll에 정확히 한 번 나오는 모든 명부 사람에 대해 공개 기록 id에서 명부 name으로 가는 dict를 돌려주는 reidentify(released, roll, columns=QUASI)를 쓰세요.
이 연습은 곧 열려요
앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.
이 브라우저가 learn.floati.life의 쿠키를 막고 있어서, 여기서 마친 레슨들이 순서대로 열리지 않아요. 이 사이트의 쿠키를 허용하고 새로고침하세요.