[論文レビュー] Identifying Participants in the Personal Genome Project by Name (A Re-identification Experiment)

Latanya Sweeney, Akua Abu+1 more|arXiv (Cornell University)|Apr 29, 2013

Climate Change Communication and Perception参考文献 2被引用数 54

ひとこと要約

本研究では、個人ゲノムプロジェクト（PGP）の参加者が、公開されたデモグラフィックデータ（生年月日、性別、郵便番号など）を、選挙登録リストや名前照合技術などの外部公開レコードと照合することで再特定可能であることを示している。研究者らは、遺伝情報にアクセスせずにデモグラフィック情報のみを用いて、PGPプロファイルの84–97％を成功裏に再特定した。これは、研究利用価値にほとんど影響を与えることなく是正可能な、深刻なプライバシー上の脆弱性を示している。

ABSTRACT

We linked names and contact information to publicly available profiles in the Personal Genome Project. These profiles contain medical and genomic information, including details about medications, procedures and diseases, and demographic information, such as date of birth, gender, and postal code. By linking demographics to public records such as voter lists, and mining for names hidden in attached documents, we correctly identified 84 to 97 percent of the profiles for which we provided names. Our ability to learn their names is based on their demographics, not their DNA, thereby revisiting an old vulnerability that could be easily thwarted with minimal loss of research value. So, we propose technical remedies for people to learn about their demographics to make better decisions.

研究の動機と目的

• 個人ゲノムプロジェクト（PGP）の参加者を、公開可能なデモグラフィックデータのみを用いて再特定可能かどうかを調査すること。
• オープンアクセスの研究プロジェクトで詳細なデモグラフィックおよびゲノム情報が共有されることに伴うプライバシーリスクを評価すること。
• 遺伝情報にアクセスせずに、非遺伝的個人識別子のみに依存して再特定が可能かどうかを評価すること。
• 参加者がゲノム研究に参加する前に自身の再特定リスクを評価できるような、実用的な技術的解決策を提言すること。
• データ共有の実践をわずかに変更するだけで、プライバシーを著しく向上させられることを示すこと。

提案手法

• 公開可能なPGPプロファイルからデモグラフィックデータ（名前、生年月日、性別、郵便番号）を収集した。
• 名前とデモグラフィックプロファイルを照合するために、選挙登録リストなどの公開レコードを検索した。
• PGPプロファイルに関連付けられたスキャン済み文書から名前を抽出するために、名前照合アルゴリズムを使用した。
• 複数の公開データベースを横断的に照合することで、再特定の正確性を向上させた。
• デモグラフィック組み合わせの一意性と一貫性に基づいて、再特定の成功率を評価した。
• 参加者が自身の再特定リスクを評価するのを支援する技術的メカニズムを提言した。

実験結果

リサーチクエスチョン

• RQ1 個人ゲノムプロジェクト（PGP）の参加者が、デモグラフィック情報のみを用いてどの程度再特定可能であるか。
• RQ2 選挙登録リストなどの公開レコードが、オープンゲノムデータベースにおける名前とデモグラフィックプロファイルを結びつけるのにどの程度有効であるか。
• RQ3 生年月日、性別、郵便番号などのデモグラフィック組み合わせの一意性が、再特定リスクを高めるか。
• RQ4 遺伝情報にアクセスせずに再特定が可能かどうか、そしてオープンサイエンスにおけるプライバシーに与える影響は何か。
• RQ5 ゲノム研究データの利用価値を保ちつつ、再特定リスクを低減するための技術的解決策は何か。

主な発見

• 研究者らは、デモグラフィックデータを公開レコードと照合することで、PGP参加者の84～97％を成功裏に再特定した。
• 遺伝情報にアクセスせずに、生年月日、性別、郵便番号などのデモグラフィック属性のみを用いて再特定が達成された。
• 高い成功率は、遺伝情報に依存しないデモグラフィックデータそのものが、オープンアクセスのゲノム研究において顕著なプライバシーリスクをもたらすことを示している。
• この脆弱性は、正確なデモグラフィック詳細の組み合わせに起因しており、DNAデータがなくても個人を一意に特定可能である。
• 本研究は、最小限の技術的作業で再特定が可能であることを確認しており、現在のデータ共有慣行における根本的なプライバシー上の欠陥を浮き彫りにしている。
• 研究者らは、参加者が自身の再特定リスクを評価できる技術的対策を提言しており、これにより意思決定のための情報提供が可能になる。