基于贝叶斯数据合成的数据隐私保护与效用保持：以 Airbnb 房源为例
应用统计
2022-04-25 v2
摘要
当向公众发布包含敏感信息的记录级数据时，数据发布者有责任保护数据集中每条记录的隐私，同时为用户的分析保留数据的重要特征。这些目标可通过数据合成实现：以基于机密数据上估计的统计模型所模拟的合成数据替换机密数据。本文给出一个数据合成案例研究，其中为隐私保护而针对纽约 Airbnb Open Data 样本创建价格和可用天数这两个变量的合成值。一个敏感变量——Airbnb 房源的可用天数——含有大量零值记录且在两端被截断。我们提出一个零膨胀截断 Poisson 回归模型用于其合成。我们利用序贯合成方法进一步合成敏感的价格变量。所得合成数据就其效用保持与隐私保护（后者以披露风险形式）进行评估。此外，我们提出方法来考察入侵者知识的不确定性将如何影响合成数据的身份披露风险。特别地，我们探索入侵者对所获信息知识中不确定性的若干现实场景，并评估它们对所得身份披露风险的影响。
引用
@article{arxiv.2109.08511,
title = {Data Privacy Protection and Utility Preservation through Bayesian Data Synthesis: A Case Study on Airbnb Listings},
author = {Shijie Guo and Jingchen Hu},
journal= {arXiv preprint arXiv:2109.08511},
year = {2022}
}