基于唯一性与影响性的准标识符判定方案用于临床数据去标识
密码学与安全
2018-04-16 v1
摘要
目的：随着 IT 发展，临床数据的积累与有用性增加。在使用需可识别以获取有意义信息的临床数据时，必须确保数据被去标识并最小化不必要的临床信息以保护个人信息。该过程需要标准与适当方法，因为存在明确标识符以及不易识别的准标识符。方法：为构建此方法，首先通过将 20 个临床个人信息数据库表中的信息按其类型分类为直接标识符（DID）、准标识符（QI）、敏感属性（SA）和非敏感属性（NSA），选出主要准标识符。随后通过测量所选数据的唯一性值评估离群风险，并通过计算等价类中其他数据对 QI 移除的影响的重新识别评分，选出次要 QI。第三，将数据使用者的重新识别风险数值化并分类。最后，通过将计算的重新识别评分与使用者类的阈值比较，确定对应于使用者类的最终 QI。结果：最终，通过假设使用者类并将其作为标准，选出了最少 18 个、最多 28 个的最终 QI。结论：当前研究者提出的 QI 选择方法可被研究者在去标识所选 QI 前的最后检查阶段使用。因此，临床数据使用者可通过本研究所提方法客观选择 QI，安全且高效地使用含个人信息的临床数据。
引用
@article{arxiv.1804.04762,
title = {A Determination Scheme for Quasi-Identifiers Using Uniqueness and Influence for De-Identification of Clinical Data},
author = {Jipmin Jung and Phillip Park and Jaedong Lee and Hyein Lee and Geonkook Lee and Hyosoung Cha},
journal= {arXiv preprint arXiv:1804.04762},
year = {2018}
}