[論文レビュー] The tradeoff between the utility and risk of location data and implications for public good

Dan Calacci, Alex Berke+3 more|arXiv (Cornell University)|May 22, 2019

Human Mobility and Location-Based Analysis参考文献 33被引用数 8

ひとこと要約

本稿は、高解像度の位置情報データの利便性とプライバシーリスクのバランスをとるためのトレードオフ曲線フレームワークを提案する。このデータは都市計画や交通モデル作成といった公共の利益の可能性を秘めているが、現在の民間市場における利用は倫理的・プライバシー的懸念を損なっていると主張する。著者らは、責任ある集約とガバナンスを通じて公共の利益を最優先する、文脈に配慮したデータ共有モデルの実装を提唱する。

ABSTRACT

High-resolution individual geolocation data passively collected from mobile phones is increasingly sold in private markets and shared with researchers. This data poses significant security, privacy, and ethical risks: it's been shown that users can be re-identified in such datasets, and its collection rarely involves their full consent or knowledge. This data is valuable to private firms (e.g. targeted marketing) but also presents clear value as a public good. Recent public interest research has demonstrated that high-resolution location data can more accurately measure segregation in cities and provide inexpensive transit modeling. But as data is aggregated to mitigate its re-identifiability risk, its value as a good diminishes. How do we rectify the clear security and safety risks of this data, its high market value, and its potential as a resource for public good? We extend the recently proposed concept of a tradeoff curve that illustrates the relationship between dataset utility and privacy. We then hypothesize how this tradeoff differs between private market use and its potential use for public good. We further provide real-world examples of how high resolution location data, aggregated to varying degrees of privacy protection, can be used in the public sphere and how it is currently used by private firms.

研究の動機と目的

• 個人レベルの位置情報データの高い市場価値と、プライバシーおよびセキュリティ上のリスクとの間の緊張を分析すること。
• データ利用における社会的・文脈的要因を無視する既存の計算的メトリクス（利便性とリスク）に挑戦すること。
• 集約レベルが、公共的および民間アプリケーションにおけるデータの利便性と再識別リスクにどのように影響するかを検討すること。
• 特に公共インフラを介して収集されたデータにおいて、公共の利益を最優先するデータ共有モデルへの規範的転換を提言すること。
• 民間企業と公的機関における位置情報データの実世界の利用事例を検討し、アクセスと責任の面での格差を浮き彫りにすること。

提案手法

• 高解像度位置情報データに特化して、データの利便性とプライバシーリスクのトレードオフ曲線の概念を拡張する。
• タイムスタンプが付与されたGPS座標（トレースデータ）を用いて、個人の移動パターンをモデル化し、自宅の位置や移動手段の推定を試みる。
• LBS企業から得た実世界のデータセットを分析し、再識別リスクを低減するための異なる集約レベルが、分析的価値をどの程度保持するかを検証する。
• ターゲティング広告などの民間市場利用と、都市の分離度の測定や交通モデル作成などの公共の利益応用とを比較する。
• 都市自転車共有やライドシェアリングデータなど、既存の公共データ共有モデルに類似した例を参照し、LBSデータに向けた規制および制度的枠組みを提案する。
• 安全な回答（Safe Answers）のような分散型データ所有モデルを提唱し、データガバナンスの見直しと公共の責任を確保する。

実験結果

リサーチクエスチョン

• RQ1 再識別リスクを低減するために位置情報データが集約されるに従い、その利便性はどのように変化するか？
• RQ2 現在の民間市場における位置情報データの利用は、どのように公共の利益応用と矛盾しているか？
• RQ3 同意なしに販売される擬似匿名化された位置情報データが、倫理的およびプライバシー上のリスクをもたらす方法は何か？
• RQ4 公共から収集されたデータが、公共に還元されるようにデータ共有枠組みをどのように設計できるか？
• RQ5 公共の利益に資する位置情報データへの公平なアクセスを可能にするとともに、被害を最小限に抑えるために、どのような制度的または規制的モデルが有効か？

主な発見

• 高解像度位置情報データは、都市の分離度を正確に測定し、公共交通機関のパターンをモデル化するのに利用可能であり、強い公共の利益の可能性を示している。
• 位置情報データを選挙区や統計的領域レベルに集約することで再識別リスクは低下するが、微細な都市研究には分析的価値が損なわれる。
• アプリやSDKを通じて広く位置情報データが収集されているにもかかわらず、ユーザーはその範囲や共有方法についてほとんど認識しておらず、深刻な同意および透明性の問題が生じている。
• データブローカーやLBSプロバイダーなどの民間企業は、公共機関にデータを共有しないまま、位置情報データの販売で利益を得ており、データアクセスと価値還元の不均衡を生み出している。
• 民間企業が公共インフラ（例：都市の道路、補助付き通信タワー）を利用している場合に、類似した義務がLBSデータにも適用可能であるという事例がある。
• 現在のデータ市場には監視がなく、制度的改革がなければ、民間企業が公共から収集したデータから利益を上げ続ける中で、個人のリスクは継続する。