[论文解读] How to Avoid Reidentification with Proper Anonymization

David Sánchez, Sergio Mart́ınez+1 more|arXiv (Cornell University)|Aug 3, 2018

Privacy-Preserving Technologies in Data参考文献 13被引用 15

一句话总结

本文挑战了‘去标识化对再识别无效’这一说法，通过证明恰当的去标识化技术——特别是k-匿名和差分隐私——可在交易数据库中成功防止再识别。作者表明，当正确实施时，这些方法在保持数据可用性的同时，提供强有力的隐私保障，反驳了‘去标识化数据中大多数人本质上可被再识别’的论断。

ABSTRACT

De Montjoye et al. claimed that most individuals can be reidentified from a deidentified transaction database and that anonymization mechanisms are not effective against reidentification. We demonstrate that anonymization can be performed by techniques well established in the literature.

研究动机与目标

• 反驳‘大多数个体可从去标识化的交易数据库中被再识别’这一说法。
• 证明文献中的去标识化技术在正确应用时是有效的。
• 表明即使在数据有限的情况下，只要使用强隐私机制，再识别也并非不可避免。
• 对de Montjoye等人关于信用卡元数据再识别的有影响力研究提供技术性反驳。

提出的方法

• 作者应用k-匿名，确保每个个体的数据在数据集中至少与k−1个其他个体不可区分。
• 他们采用差分隐私，在查询结果中加入校准噪声，以限制通过统计推断导致的再识别风险。
• 该方法确保即使拥有辅助信息，再识别任何个体的概率仍低于预设阈值。
• 通过仔细选择泛化和噪声参数，最小化信息损失，从而保留数据可用性。
• 通过理论分析，并与de Montjoye等人研究中的方法进行比较，验证了该框架。
• 作者使用正式的隐私定义，确保去标识化满足强隐私保障。

实验结果

研究问题

• RQ1 当正确应用时，去标识化技术能否防止交易数据库中的再识别？
• RQ2 ‘大多数个体在去标识化数据中可被再识别’这一说法在实证和理论上是否成立？
• RQ3 哪些特定的去标识化方法能有效保护隐私，同时保持数据可用性？
• RQ4 k-匿名与差分隐私在防范再识别攻击方面如何比较？
• RQ5 是否能在不造成显著数据可用性损失的前提下实现强隐私保障？

主要发现

• 正确实施的k-匿名可通过确保每个个体在数据集中至少与k−1个其他个体不可区分，从而防止再识别。
• 当正确配置参数时，差分隐私可提供正式的数学保障，将再识别风险限制在预设阈值以内。
• 泛化与噪声注入的结合在显著降低再识别可能性的同时，保留了数据可用性。
• 本研究表明，de Montjoye等人研究中的再识别结果源于去标识化实践的缺陷，而非去标识化本身的固有局限。
• 当以严格标准应用时，去标识化是保护交易数据隐私的可行且有效的方法。