[논문 리뷰] Assessing the protection provided by misclassification-based disclosure limitation methods for survey microdata

Natalie Shlomo, C. J. Skinner|London School of Economics and Political Science Research Online (London School of Economics and Political Science)|2010. 11. 12.

Healthcare Policy and Management인용 수 4

한 줄 요약

이 논문은 데이터 스위핑과 포스트 랜덤라이제이션(PrA)과 같은 오분류 기반 통계적 유출제한(SDL) 기법으로 보호된 설문 조사 마이크로데이터의 유출 위험을 간단하고 실용적인 방법으로 평가하는 방법을 개발한다. 오분류 영향을 고려하여 포isson 로그선형 모형을 확장함으로써 실제 측정 오차와 표본 오차를 반영한 정확한 위험 추정치를 제공하며, 오분류 효과로 인해 식별 변수 수를 늘릴수록 오히려 위험이 감소하는 역설적인 결과를 보여준다.

ABSTRACT

Government statistical agencies often apply statistical disclosure limitation techniques to survey microdata to protect the confidentiality of respondents. There is a need for valid and practical ways to assess the protection provided. This paper develops some simple methods for disclosure limitation techniques which perturb the values of categorical identifying variables. The methods are applied in numerical experiments based upon census data from the United Kingdom which are subject to two perturbation techniques: data swapping (random and targeted) and the post randomization method. Some simplifying approximations to the measure of risk are found to work well in capturing the impacts of these techniques. These approximations provide simple extensions of existing risk assessment methods based upon Poisson log-linear models. A numerical experiment is also undertaken to assess the impact of multivariate misclassification with an increasing number of identifying variables. It is found that the misclassification dominates the usual monotone increasing relationship between this number and risk so that the risk eventually declines, implying less sensitivity of risk to choice of identifying variables. The methods developed in this paper may also be used to obtain more realistic assessments of risk which take account of the kinds of measurement and other nonsampling errors commonly arising in surveys.

연구 동기 및 목표

• 오분류 기반 SDL 기법으로 보호된 마이크로데이터의 유출 위험을 평가하기 위한 실용적이고 계산이 단순한 방법을 개발하는 것.
• 기존의 포isson 로그선형 모형 기반 위험 평가 방법을 데이터 스위핑과 PrA와 같은 편향 기반 SDL 기법을 고려하도록 확장하는 것.
• 측정 오차와 표본 변동성이 실제 설문 조사 조건을 반영하여 유출 위험에 어떤 영향을 미치는지 평가하는 것.
• 오분류가 존재할 경우 식별 변수의 수가 식별 위험에 어떤 영향을 미치는지 조사하는 것.
• 기관이 마이크로데이터 공개 시 데이터 유용성과 기밀 보호를 균형 있게 유지할 수 있도록 하는 프레임워크를 제공하는 것.

제안 방법

• 관측된 값이 주어졌을 때 정확한 매칭이 이루어질 조건부 확률에 기반한 위험 측정법을 제안하며, 이는 확률적 레코드 연동 프레임워크에서 유도된다.
• 정확한 위험 공식의 대체로 대규모 표본 근사를 사용하여 정확한 위험 공식을 단순화하고, 닫힌 형태의 표현식을 도출한다: φj ≈ Mjj / F̃j, 여기서 Mjj는 오분류 행렬의 대각선 원소이고, F̃j는 외부 데이터베이스에서의 기대 빈도이다.
• 다양한 설정에서 랜덤 및 타겟 기반 데이터 스위핑과 PrA를 사용하여 영국 인구 조사 자료에 이 방법을 적용한다.
• 편향 효과를 포함시켜 포isson 로그선형 모형을 확장함으로써 표본 오차 및 측정 오차(예: 코드 오류, 보완)를 고려한 위험 평가가 가능하도록 한다.
• 수치 실험을 통해 식별 변수 수가 증가함에 따라 위험을 평가하며, 오분류 유무에 따라 시나리오를 비교한다.
• 레코드 연동 실험을 통해 근사를 검증하고 기존 방법과 결과를 비교하여 더 현실적이고 정확한 성능을 입증한다.

실험 결과

연구 질문

• RQ1 데이터 스위핑과 PrA와 같은 오분류 기반 SDL 기법으로 보호된 마이크로데이터에서 유출 위험을 어떻게 정확하게 평가할 수 있는가?
• RQ2 위험 측정법에 대한 단순화된 근사치는 계산의 용이성을 높이면서도 정확성을 유지하는 데 얼마나 효과적인가?
• RQ3 오분류 기제에 측정 오차와 처리 오차를 포함할 경우 결과적으로 도출되는 위험 추정치에 어떤 영향을 미치는가?
• RQ4 오분류가 존재할 경우 식별 변수의 수가 증가할 때 유출 위험에 어떤 영향을 미치는가?
• RQ5 제안된 방법은 편향과 비표본 오차를 忽시하는传통적 접근 방식에 비해 더 현실적인 위험 평가를 제공할 수 있는가?

주요 결과

• 제안된 근사치 φj ≈ Mjj / F̃j는 복잡한 편향 메커니즘 하에서도 매우 정확하고 계산이 효율적인 식별 위험 추정치를 제공한다.
• 이 방법은 포isson 로그선형 모형을 SDL 편향 효과를 고려하여 확장하여 표본 오차 및 측정 오차를 반영한 위험 평가가 가능하게 한다.
• 타겟 기반 데이터 스위핑은 동일한 수준의 편향을 가진 랜덤 스위핑보다 더 강력한 유출 보호 효과를 보였으며, 유용성-위험 균형을 향상시켰다.
• 식별 변수 수가 증가함에 따라 오분류 효과가 일반적인 위험 증가 경향을 지배하여 위험이 결국 감소하는, 직관에 어긋나지만 데이터 보호에 유리한 결과를 보였다.
• 오분류가 존재할 경우 주요 변수 선택에 대한 가정에 대한 민감도가 감소하여 실무에서 더 높은 강건성을 보였다.
• 이 프레임워크는 코드 오류나 보완과 같은 실제 데이터 품질 문제를 현실적으로 반영하여 데이터 공개 이전의 위험 평가를 가능하게 한다.