Müfredat 156 dersinden 54. · Gizliliği ölç, dürüstçe.
Gizliliği ölç, dürüstçe.

k-anonimlik

Neden önemli Kuruluşlar genellikle "isimleri kaldırarak" veri paylaşırlar ve buna anonim derler. Sentetik veriler üzerinde, üç sıradan bilginin isimleri ne kadar hızlı geri getirdiğini göreceksin. Gerçek yeniden tanımlama bu şekilde gerçekleşti ve 56. dersteki savunma bu yüzden var.

Dedikodu testi

Birisi şöyle diyor: "Sokağımızdaki bir kadın, 3 Mart 1981 doğumlu, az önce teşhis aldı." İsim verilmedi. Ama bir sokakta, kaç kadın tam olarak bu doğum gününü paylaşıyor? Muhtemelen bir. Detaylar isimdi.

Quasi-identifier: bir isim olmayan ancak diğer birkaçıyla birleştiğinde bir kişiyi işaret eden bir gerçek. Posta kodu, tam doğum tarihi ve cinsiyet klasik üçlüdür.

Re-identification: isimleri olmadan yayınlanan verilere, genellikle isim içeren başka bir liste ile birleştirerek isimleri geri ekleme işlemi.

Latanya Sweeney tarafından 2000 yılında yapılan ünlü bir çalışma, Amerika Birleşik Devletleri'ndeki insanların yaklaşık %87'inin sadece posta kodu, doğum tarihi ve cinsiyet ile tespit edilebileceğini tahmin etti. Daha yeni nüfus verileri içeren daha sonraki bir çalışma (Golle, 2006) bu oranı %63'e yaklaştırdı: daha düşük ama yine de çoğu insan, ki asıl nokta bu. Aynı etkiyi uydurma veriler üzerinde göreceğiz.

Uygulama verisi

synthetic_people(2000) uydurma bir sağlık tablosu oluşturur: id, name, zip, birth_date, gender, diagnosis. İçindeki hiç kimse gerçek değil. Onu isimleri atarak basit yolla "anonimleştiriyoruz". synthetic_public_roll(people) isim, posta kodu, doğum tarihi ve cinsiyet içeren ama tanı içermeyen, bir kulüp kayıt listesi gibi uydurma bir halk listesi oluşturur.

Riski ölçmek: k

k-anonymity: bir tablo, quasi-identifier değerlerinin her kombinasyonu en az k satır tarafından paylaşıldığında k-anonymous olur. k = 1, en az bir kişinin yalnız olduğu ve bulunabileceği anlamına gelir.

k değerini bulmak için: satırları quasi-identifier demetlerine göre grupla, her grubu say ve en küçük sayıyı al. Sadece ["gender"] ile k büyük. zip, doğum tarihi ve cinsiyet birlikte olduğunda k 1'e düşer.

Birleştir

Kamu listesindeki her kişi için anahtarını (zip, birth_date, gender) oluştur ve yayınlanan tabloda onu ara. Katı ol: sadece anahtar yayınlamada tam olarak bir kez ve listede tam olarak bir kez göründüğünde eşleşme say. O zaman emin olabilirsin. Eğer iki kayıt aynı anahtarı paylaşıyorsa, hangisinin hangisi olduğunu anlayamazsın; eğer listedeki iki kişi aynı anahtarı paylaşıyorsa, kimin kim olduğunu anlayamazsın.

reidentify(released, roll)
# {17: 'Mei Patel', 203: 'Omar Novak', ...}   record id -> name

Kayıt 17 bir isim aldığında, tanısı da bir isim alır. Tüm saldırı bu kadar: iki zararsız görünen liste, bir join.

Yaygın bir yanılgı

"İsimleri, e-postaları ve telefon numaralarını kaldırmak veriyi anonim hale getirir." Açık kimlik belirleyicileri kaldırır ama kalan sütunlar hala kişileri ayırt edebilir. Verinin anonim olup olmadığı, onu birleştirmek için dışarıda başka neler olduğuna bağlıdır, bu yüzden ders 56 verinin kendisini değiştiriyor.

Kendin dene Geçtiğinde, roll'un fraction değerini 0.6'dan 0.2'ye değiştir ve tekrar çalıştır. Eşleşme sayısı düşer ama yeniden tanımladığın roll insanlarının oranı neredeyse hiç değişmez. Her kişi kendi detaylarıyla açığa çıkar, listenin ne kadar büyük olduğuyla değil.

Diğer dillerde

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# dilinde SQL tarzı düşünme (LINQ):

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 side

Özet

  • Quasi-identifierlar (zip kodu, doğum tarihi, cinsiyet) bir ismi olmadan kişileri tek tek belirleyebilir.
  • k, aynı yarı-tanımlayıcıları paylaşan en küçük grubun boyutudur; k = 1 demek birinin ifşa olduğu anlamına gelir.
  • İsimsiz bir tabloyu isim içeren halka açık bir listeyle birleştirmek kişileri yeniden tanımlar.
  • İsimleri düşürmek anonimleştirme değildir. Burada sadece sentetik veri var; savunma bir sonraki adımda.
Senin sıran

quasi_key(row, columns) (değerlerin tuple hali), smallest_group(rows, columns) (bir anahtarı paylaşan en küçük satır grubunun boyutu: yani k) ve reidentify(released, roll, columns=QUASI) yaz. released içinde tam olarak bir kez ve roll içinde tam olarak bir kez görünen anahtarı olan her roll person için, serbest bırakılan kayıt id'den roll name'ye bir dict döndür.

Bu derste bir sorun mu fark ettin? Bildir · Bu ders hakkında soru sor

Bu alıştırma yakında açılacak

Bu dersi bitirince bu ders açılacak. Kursun tamamı ücretsiz, hesap gerekmiyor ve bu dersi hemen şimdi okuyabilirsin.