面向 GDPR 合规的医疗数据匿名化算法流水线：迈向标准化
密码学与安全
2025-06-04 v1
摘要
高质量的真实世界数据（RWD）对医疗保健至关重要，但必须经过转换以符合《通用数据保护条例》（GDPR）。GDPR 对准标识符（QIDs）和敏感属性（SAs）的宽泛定义增加了实施难度。我们旨在通过引入一种识别 QIDs 和 SAs 并评估匿名化数据集效用的算法方法，实现面向 GDPR 合规的 RWD 匿名化标准化，同时保留数据效用。我们通过 ProQuest 和 PubMed 进行了系统性文献综述，以构建三阶段匿名化流水线：识别、去标识化和准标识符维度评估。该流水线在两个模拟 RWD 数据集（500 行和 1000 行）上进行了实现、验证和测试。隐私性通过 k-匿名、l-多样性和 t-贴近度进行评估；效用通过非均匀熵（NUE）测量。该综述得出了两项关于 QID/SA 识别的研究和五项关于效用指标的研究。应用该流水线，使用 alpha 和 beta 阈值（500 行为 25%/1%；1000 行为 10%/1%）按重标识风险对属性进行分类。隐私指标将 k-匿名从 1 提升至 4（500 行），从 1 提升至 110（1000 行）。NUE 得分分别为 69.26% 和 69.05%，表明尽管隐私增益不同，但效用保持一致。我们提出了一种面向医疗 RWD 的 GDPR 合规匿名化流水线，为 QID/SA 识别和效用评估提供了可复现的方法；公开可用的代码促进了标准化、数据隐私和开放科学。
引用
@article{arxiv.2506.02942,
title = {An Algorithmic Pipeline for GDPR-Compliant Healthcare Data Anonymisation: Moving Toward Standardisation},
author = {Hamza Khan and Lore Menten and Liesbet M. Peeters},
journal= {arXiv preprint arXiv:2506.02942},
year = {2025}
}