[論文レビュー] Data Group Anonymity: General Approach

Оleg Chertov, Dan Tavrov|arXiv (Cornell University)|Nov 4, 2010

Privacy-Preserving Technologies in Data参考文献 19被引用数 4

ひとこと要約

本論文は、統計的データセット内の個々のレコードを越えて、グループ全体の匿名性を保証するための新規フレームワークを提案する。グループベースのkアナニマスティとデータのばらつき技術を用いた数学的モデルを提案し、いかなるグループのレコードも再特定不能であることを保証する。実世界の例を用いた検証により、データの有用性を維持したままプライバシー保護が有効に実現されることを示している。

ABSTRACT

In the recent time, the problem of protecting privacy in statistical data before they are published has become a pressing one. Many reliable studies have been accomplished, and loads of solutions have been proposed. Though, all these researches take into consideration only the problem of protecting individual privacy, i.e., privacy of a single person, household, etc. In our previous articles, we addressed a completely new type of anonymity problems. We introduced a novel kind of anonymity to achieve in statistical data and called it group anonymity. In this paper, we aim at summarizing and generalizing our previous results, propose a complete mathematical description of how to provide group anonymity, and illustrate it with a couple of real-life examples.

研究の動機と目的

• 既存のプライバシー保護技術が個人レベルの匿名性に限定されているというギャップに対処すること。
• データグループ全体のプライバシーが保証される新しいタイプのプライバシー保護—グループ匿名性—を形式化すること。
• 統計的データセットにおけるグループ匿名性を達成するための一般的な数学的モデルを開発すること。
• 実生活の例を通じて、実用的適用可能性を示すことで、アプローチを検証すること。
• 再特定が不可能であることを保証しながら、データの有用性を維持すること。

提案手法

• 個人レコードではなくグループを対象とした一般化されたkアナニマスティモデルを提案する。
• グループの同値クラスに基づいて、グループ匿名性を定義する数学的定式化を導入する。
• 統計的性質を保ちつつ、グループレベルの属性を変更するためのデータばらつき技術を適用する。
• 任意のレコードグループが、データセット内に少なくともk−1個の他のグループと区別不能であることを保証する形式的フレームワークを用いる。
• 匿名性制約を満たすために、グループ属性を一般化する変換メカニズムを採用する。
• 実データセットからのインスパイリングな例を用いて、実装可能性と有用性の維持を検証する。

実験結果

リサーチクエスチョン

• RQ1 統計的データにおいて、個人レコードではなくグループのレコードに対して、プライバシーを形式的に定義し、達成する方法は何か？
• RQ2 グループのレコードが再特定不能であることを保証するために満たすべき数学的条件は何か？
• RQ3 グループ匿名性を強制しながらも、データの有用性をどのように維持できるか？
• RQ4 実世界のデータセットにグループ匿名性を適用する際の実務的影響と制限は何か？
• RQ5 プライバシーと有用性の観点から、グループ匿名性は従来の個人レベルkアナニマスティと比べてどのように異なるか？

主な発見

• 提案されたフレームワークは、kアナニマスティをグループレベルのプライバシーに拡張することに成功し、特定のエンティティに一意に関連付けられるレコードグループが存在しないことを保証している。
• 数学的モデルは、グループの同値性と不識別性に基づいて、グループ匿名性の形式的基準を提供している。
• データばらつき技術は、全体の統計的パターンを著しく歪めることなく、グループ属性を効果的に変更できる。
• 実生活の例により、グループ匿名性が実務で実装可能であり、データの有用性を維持できることが示された。
• グループレベルでの再特定リスクがより高い状況では、個人kアナニマスティよりも強いプライバシー保証を提供する。
• この手法は一般化可能であり、さまざまなデータタイプや統計的公開の文脈に適応可能である。