改變的數(shù)據(jù)集仍然可以提供統(tǒng)計完整性并保護隱私

據(jù)統(tǒng)計學家稱，合成網(wǎng)絡可能會增加某些數(shù)據(jù)的可用性，同時仍能保護個人或機構的隱私。賓夕法尼亞州立大學統(tǒng)計學家表示，綜合網(wǎng)絡可能會增加某些數(shù)據(jù)的可用性，同時仍能保護個人或機構的隱私。“我的主要興趣在于開發(fā)方法，以便能夠以有助于科學發(fā)現(xiàn)的方式更廣泛地共享機密數(shù)據(jù)，”賓夕法尼亞州Eberly科學學院統(tǒng)計學副教授和研究生教育副院長Aleksandra Slavkovic說。“能夠以最小的可量化風險共享機密數(shù)據(jù)，以發(fā)現(xiàn)敏感信息并確保統(tǒng)計準確性和完整性，這是我們的目標。”

Slavkovic通過跨學科合作找到了解決這一數(shù)據(jù)隱私問題的方法，特別是與計算機和社會科學家合作。她的研究重點是各種數(shù)據(jù)，包括捕獲個人或機構等實體之間關系信息的網(wǎng)絡數(shù)據(jù)。她在華盛頓特區(qū)舉行的2019年美國科學促進會年會上報告了她今天(2月16日)提供滿足隱私差異概念的合成網(wǎng)絡的方法。

差異隱私為個人的隱私損失提供了數(shù)學上可證明的保證。

科學家希望獲得他人收集的數(shù)據(jù)用于他們的研究，但這種訪問也可能損害個人隱私，即使在刪除所謂的個人身份數(shù)據(jù)之后也是如此。

“大量的輔助數(shù)據(jù)是罪魁禍首，”斯拉夫科維奇說。“隨著數(shù)據(jù)收集和記錄聯(lián)動的方法和技術進步，更容易訪問可能與手頭數(shù)據(jù)集相關的各種數(shù)據(jù)源，以及資助機構分享數(shù)據(jù)的要求，數(shù)據(jù)隱私的風險正在增加。但是，找到好處管理隱私損失的解決方案對于實現(xiàn)可靠的科學發(fā)現(xiàn)至關重要。“

例如，關于HIV藥物的藥物試驗的公開信息將表明誰在治療組中以及誰在對照組中。治療組僅包含被診斷患有HIV的人，即使數(shù)據(jù)所有者從該數(shù)據(jù)集中隱瞞了個人詳細信息，也會保留一些識別信息。由于如今在社交媒體和其他數(shù)據(jù)集中可以獲得如此多的信息，因此可以連接點并識別人，從而可能揭示他們的HIV狀態(tài)。

“連接兩個數(shù)據(jù)集的技術，比如選民記錄和健康保險數(shù)據(jù)，已大大改善，”斯拉夫科維奇說。“在最早的調查結果之一中，Latanya Sweeny(現(xiàn)在在哈佛大學)表明，通過鏈接這些類型的數(shù)據(jù)，您可以根據(jù)他們的出生日期，性別和5位數(shù)確定1990年美國人口普查中87%的人。最近，研究人員使用推文和相關的Twitter元數(shù)據(jù)來證明他們能夠以96.7%的準確率識別用戶。“

斯拉夫科維奇指出，不僅數(shù)據(jù)包含在數(shù)據(jù)庫中的人或機構，而且數(shù)據(jù)庫外的人也可能直接或通過關聯(lián)侵犯隱私。數(shù)據(jù)集中的信息與社交媒體上的信息之間的聯(lián)系可能導致嚴重的隱私后悔 - 如果被披露，諸如艾滋病病毒感染狀況或性取向等可能會產生嚴重后果。

雖然隱私很重要，但收集的數(shù)據(jù)集構成了研究人員必不可少的信息來源。目前，在某些情況下，當數(shù)據(jù)特別敏感時，研究人員必須親自前往數(shù)據(jù)存儲庫進行研究，使研究更加困難和昂貴。

Slavkovic對網(wǎng)絡數(shù)據(jù)感興趣。顯示人員或機構 - 節(jié)點 - 以及節(jié)點之間連接的互連性的信息。她的方法是創(chuàng)建略微改變的鏡像網(wǎng)絡數(shù)據(jù)集，其中一些節(jié)點移動，連接移位或邊緣改變。

“目的是創(chuàng)建滿足嚴格的差異隱私要求的新網(wǎng)絡，同時從原始網(wǎng)絡中捕獲大部分統(tǒng)計特征，”Slavkovic說。

這些合成數(shù)據(jù)集可能足以讓一些研究人員滿足他們的研究需求。對于其他人來說，在必須轉到數(shù)據(jù)存儲站點之前測試他們的方法和假設就足夠了。研究人員可以在等待使用其存儲庫站點中的原始數(shù)據(jù)的許可時測試代碼，進行探索性研究以及可能的基本分析。

“我們不能滿足所有統(tǒng)計分析對相同類型的改變數(shù)據(jù)的要求，”斯拉夫科維奇說。“有些人需要原始數(shù)據(jù)，但其他人可能會使用合成網(wǎng)絡這樣的合成數(shù)據(jù)。”