[论文解读] 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 4

一句话总结

本文提出了一种新颖的数据组匿名化框架，将隐私保护从单个记录扩展到统计数据集中的整个数据组。该框架提出了一种基于组级k-匿名性和数据扰动技术的数学模型，以确保任何一组记录都无法被重新识别，通过真实案例验证了其在保持数据可用性的同时有效保护隐私的能力。

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.

研究动机与目标

• 解决现有隐私保护技术仅关注个体级别匿名化的不足。
• 形式化一种新型隐私保护机制——组匿名化，确保整个数据组的隐私。
• 开发一种通用的数学模型，以实现在统计数据集中实现组匿名化。
• 通过真实案例验证该方法的实用性，展示其在实际应用中的可行性。
• 在防止数据组被重新识别的同时，确保数据可用性。

提出的方法

• 提出一种适用于组而非单个记录的广义k-匿名性模型。
• 引入数学公式，基于数据组的等价类定义组匿名化的标准。
• 应用数据扰动技术修改组级别属性，同时保持统计特性。
• 使用正式框架确保任何一组记录在数据集中都与至少k−1个其他组无法区分。
• 采用一种变换机制，对组属性进行泛化以满足匿名性约束。
• 通过真实数据集中的示例进行验证，展示方法的可行性与数据可用性保持能力。

实验结果

研究问题

• RQ1 在统计数据中，如何正式定义并实现对数据组而非单个记录的隐私保护？
• RQ2 为确保一组记录无法被重新识别，必须满足哪些数学条件？
• RQ3 如何在强制实施组匿名化的同时保持数据可用性？
• RQ4 在真实数据集中应用组匿名化具有哪些实际影响和局限性？
• RQ5 与传统的个体级别k-匿名性相比，组匿名化在隐私保护和数据可用性方面有何差异？

主要发现

• 所提出的框架成功将k-匿名性扩展至组级别隐私，确保任何一组记录都无法被唯一关联到特定实体。
• 数学模型基于组等价性和不可区分性，为组匿名化提供了正式的判定标准。
• 数据扰动技术在修改组属性时有效，且不会显著扭曲整体统计模式。
• 真实案例表明，组匿名化可在实际中实施，同时保持数据可用性。
• 在组级别重新识别风险较高的场景下，该方法提供的隐私保障强于个体k-匿名性。
• 该方法具有可扩展性，可适用于多种数据类型和统计发布场景。