关于纵向数据的双随机响应隐私释放

尽管隐私和统计披露控制研究的绝大部分旨在处理横截面数据（即单个时间点观察个体的数据），但纵向数据（即在多个时段观察个体的数据）正在日益增长。这些数据无疑增强了与横截面数据相比进行统计分析的可能性，但也带来了额外的信息层次——个体轨迹——必须以实用且保护的方式保留。很少有针对纵向数据挑战的隐私工具扩展（本质上是基于 k-匿名性）被提出，而这些提议通常都很复杂。通过考虑随机响应，特别是其最新出现的双随机扩展，在纵向数据上下文中，本文提出了一种简单的数据匿名化方法。我们在双随机矩阵方面建立了新的结果，表明每期发布数据集的保护程度与个体在随时间推移轨迹的保护程度之间存在简单关系。进而，这一关系可以根据所需的保护和信息要求进行调节。我们通过一个案例研究说明了所提出方法的应用。