[論文レビュー] D4D-Senegal: The Second Mobile Phone Data for Development Challenge

Yves-Alexandre de Montjoye, Zbigniew Smoreda+3 more|arXiv (Cornell University)|Jul 18, 2014

Human Mobility and Location-Based Analysis参考文献 2被引用数 111

ひとこと要約

本論文は、セネガル（2013年）の900万人のユーザーから得られた匿名化された通話記錣記録（CDR）を提供する大規模なモバイル電話データチャレンジ、D4D-Senegalを紹介する。このデータには、3つのプライバシー保護型データセットが含まれる：時刻ごとのサイト間トラフィック、約30万人のユーザーに対する細分化された2週間の移動軌跡、約15万人のユーザーに対する年間の地区レベルの粗い粒度の移動データ。研究は、空間的バイアス、時間的ボーリング、行動指標の3アナニマス化を用いて再特定リスクを低減させながら、新しい社会的経済的研究を可能にする。

ABSTRACT

The D4D-Senegal challenge is an open innovation data challenge on anonymous call patterns of Orange's mobile phone users in Senegal. The goal of the challenge is to help address society development questions in novel ways by contributing to the socio-economic development and well-being of the Senegalese population. Participants to the challenge are given access to three mobile phone datasets. This paper describes the three datasets. The datasets are based on Call Detail Records (CDR) of phone calls and text exchanges between more than 9 million of Orange's customers in Senegal between January 1, 2013 to December 31, 2013. The datasets are: (1) antenna-to-antenna traffic for 1666 antennas on an hourly basis, (2) fine-grained mobility data on a rolling 2-week basis for a year with bandicoot behavioral indicators at individual level for about 300,000 randomly sampled users, (3) one year of coarse-grained mobility data at arrondissement level with bandicoot behavioral indicators at individual level for about 150,000 randomly sampled users

研究の動機と目的

• 大規模かつ匿名化されたモバイル電話メタデータを活用して、セネガルにおけるデータドリブンな開発研究を可能にすること。
• 空間的バイアス、時間的ボーリング、行動指標の3アナニマス化を実装することで、モバイル電話データにおけるプライバシーリスクに対処すること。
• 研究者が社会的経済的分析に使用できる、3つの異なる、実用性とプライバシーのバランスが取れたデータセットを提供することで、オープンイノベーションを支援すること。
• 国際的な研究者と現地のセネガル機関との間で協力を促進するために、共有データと共同プラットフォームを提供すること。
• 人間の移動行動、社会的ネットワーク、行動パターンを大規模に研究できる実世界のデータセットを提供することで、計算的社会科学を前進させること。

提案手法

• アリス化と実際の地理座標の削除を用いた900万人の固有のモバイル電話番号の匿名化。
• ボロノイ細胞のランダム化による空間的バイアスを用いて、実際のアンテナ位置をぼかし、再特定リスクを低減する。
• 2つの基準に基づくユーザー選定：1期間あたり75％以上の活動日数、1週間あたり1,000件未満の相互作用。これにより、機械や共有デバイスを除外する。
• 3つのデータセットの作成：(1) 時間別サイト間トラフィック、(2) 2週間のローリングで細分化されたサイトレベルの移動行動、(3) 地区レベルでの年間の粗い粒度の移動行動。
• バンドコートツールボックスを用いた行動指標の計算、例えば連絡先のエントロピー、活動日数、通話時間の平均値。
• 時間帯に分けられた行動データにおける外れ値を示す値に対して3アナニマス化を適用し、プライバシー保護をさらに強化する。

実験結果

リサーチクエスチョン

• RQ1 発展途上国における大規模な文脈で、モバイル電話の通話記錣記録（CDR）は、どのように社会的経済的パターンや移動行動を推定できるか？
• RQ2 研究目的で公開する大規模なモバイル電話メタデータにおいて、データの実用性とプライバシーのトレードオフはどのように生じるか？
• RQ3 匿名化され集約されたモバイル電話データは、セネガルにおける貧困モニタリングや都市計画など、意味のある開発研究を可能にするか？
• RQ4 CDRから導出された行動指標は、セネガルの現実の社会的経済的状況とどのように相関するか？
• RQ5 研究の実用性を損なわせることなく、モバイル電話データを公開するための最も効果的なプライバシー保護技術は何か？

主な発見

• D4D-Senegalチャレンジは3つのデータセットを公開した：1,666基のアンテナ向けの時間別サイト間トラフィック、約30万人のユーザー向けの25回分の2週間周期の細分化された移動データ、約15万人のユーザー向けの地区レベルでの年間の粗い粒度の移動データ。
• ボロノイ細胞のランダム化による空間的バイアスが、実際のアンテナ位置を効果的にぼかし、再特定リスクを低減したが、データの実用性に影響を与えることなく実現された。
• 時間帯に分けられた行動指標に対して3アナニマス化を適用することで、接触エントロピーと活動指標における外れ値からの再特定リスクが軽減された。
• 各ユーザーに対して14の行動指標（活動日数、通話時間の平均、接触エントロピーなど）の計算が可能となり、行動研究が促進された。
• 専用のSparkboardプラットフォームを通じて国際的な協力が促進され、研究者と現地のセネガル機関が連携し、文脈に即した分析が可能になった。
• データの公開は、ユーザーのフィルタリング、時間的および空間的集約、匿名化を含む厳密なプライバシー保護プロトコルに従い、開発研究における倫理的データ共有の基準を確立した。