应用视角：评估典型SOEP数据集的差分可识别性风险

使用真实世界的研究数据通常需要签订合同协议，其中研究结果只能以匿名形式发表。要求形式化的隐私保证，例如差分隐私，可能有助于数据驱动项目遵守数据保护规定。然而，在消费者用例中部署差分隐私需要解释其底层机制以及由此产生的隐私保证。在本文中，我们彻底审查并扩展了一种现有的隐私度量。我们展示了如何针对一组基本统计查询高效地计算这种风险度量。我们基于一个广泛、真实的科学数据集进行的实证分析，扩展了关于如何在现实条件下计算风险的知识，同时提出的挑战多于解决方案。