[论文解读] Design of a Privacy-Preserving Data Platform for Collaboration Against Human Trafficking

Darren Edge, Weiwei Yang+5 more|arXiv (Cornell University)|May 12, 2020

Privacy-Preserving Technologies in Data参考文献 57被引用 5

一句话总结

本文提出了一种隐私保护型数据平台，通过生成具有k-合成匿名性的合成微观数据、发布聚合统计信息以及提供交互式可视化分析，实现对人口贩卖的保密协作。该方法通过基于群体的数据泛化确保隐私，通过精确的聚合报告保持数据实用性，并通过直观的可视化界面提升可访问性，从而在不造成受害者重新识别风险的前提下实现全球数据共享。

ABSTRACT

Case records on victims of human trafficking are highly sensitive, yet the ability to share such data is critical to evidence-based practice and policy development across government, business, and civil society. We present new methods to anonymize, publish, and explore such data, implemented as a pipeline generating three artifacts: (1) synthetic data mitigating the privacy risk that published attribute combinations might be linked to known individuals or groups; (2) aggregate data mitigating the utility risk that synthetic data might misrepresent statistics needed for official reporting; and (3) visual analytics interfaces to both datasets mitigating the accessibility risk that privacy mechanisms or analysis tools might not be understandable and usable by all stakeholders. We present our work as a design study motivated by the goal of transforming how the world's largest database of identified victims is made available for global collaboration against human trafficking.

研究动机与目标

• 解决在保护个人隐私的前提下共享高度敏感的人口贩卖受害者案件记录这一关键挑战。
• 通过将全球最大的人口贩卖数据库转化为安全、可共享的格式，促进政府、非政府组织和企业之间的全球协作。
• 通过保留统计准确性并支持通过合成数据和聚合数据进行有意义的分析，实现隐私保护与数据实用性的平衡。
• 通过交互式可视化分析界面，提升非技术利益相关者对敏感数据的可访问性。
• 开发一个开源管道，支持在高风险领域实现可复现的、隐私保护型数据共享。

提出的方法

• 提出k-合成匿名性，即k-匿名性的泛化，确保合成数据中所有属性组合均代表原始数据集中至少k名个体的群体。
• 采用数据合成管道，通过保持组合长度相对分布的稳定性，生成具有可控实用性和零重新识别风险的合成微观数据。
• 生成预计算、四舍五入并设定阈值的聚合计数，以确保官方统计数据的准确报告，同时保护隐私。
• 集成可视化分析界面，将估计的合成计数与实际聚合计数并置，以支持用户信心和数据解读。
• 使用模块化开源Python管道，将任何敏感微观数据转换为可配置隐私参数（k和p）的合成与聚合输出。
• 应用合成比率度量（评估中为1.46），量化隐私与数据量之间的权衡，表明在实现强隐私保障的同时，记录数量仅适度增加46%。

实验结果

研究问题

• RQ1 如何在不造成受害者重新识别风险的前提下，向国际利益相关方共享敏感的人口贩卖案件数据？
• RQ2 合成数据在确保k-合成匿名性的同时，能在多大程度上保留真实受害者记录的统计实用性？
• RQ3 可视化分析界面如何提升非技术用户对隐私保护型数据平台的可访问性与信任度？
• RQ4 在使用合成数据进行分析时，应采取何种机制以确保官方报告统计数据的准确性和可靠性？
• RQ5 如何在反人口贩卖等高风险、创伤知情的领域中实现隐私保护型数据共享的规模化与采纳？

主要发现

• k-合成匿名性方法在评估中实现了零隐私泄露，确保合成数据中任何属性组合都无法与原始数据集中少于k名个体关联。
• 超过80%的敏感属性组合（计数≥320）在合成数据中得以保留，表明其在有意义分析中具有强大的实用性保留能力。
• 合成比率为1.46，表明数据量仅增加46%，该增幅在实现高隐私保护的同时造成最小的实用性损失，被认定为可接受。
• 可视化分析界面成功使用户能够将合成计数与实际预计算聚合数据进行对比，提升了对数据解读的信心。
• 开源管道已被反人口贩卖数据协作组织（CTDC）采纳，并用于将真实受害者案件记录转换为可共享、隐私保护的格式。
• 该平台使原本因隐私顾虑而无法发布的数据得以发布，显著拓展了协作研究与政策制定的范围。