面向超大数据集的灵活可扩展隐私评估及其在政府官方微观数据中的应用
密码学与安全
2024-09-16 v3
摘要
我们提出对常规隐私分析处理的系统性重构，将其建立在定量信息流（QIF）框架的数学概念之上。我们建议的方法带来三个主要优势：它具有灵活性，允许对已知和新颖攻击的隐私风险进行精确量化和比较；它对超大型纵向数据集在计算上可行；且其结果对政界人士和公众均可解释。我们将该方法应用于一个超大型案例研究：巴西教育普查，由政府机构INEP管理，包含自2007年起每年纵向发布的约5000万个体的90余项属性。这些数据集仅最近（2018-2021）才吸引立法以规范其隐私——同时继续保持巴西社会所追求的开放性。INEP对该立法的回应是我们与其合作项目的起源。在此结论中，我们分享了在此过程中学到的科学、技术与沟通经验。
引用
@article{arxiv.2204.13734,
title = {Flexible and scalable privacy assessment for very large datasets, with an application to official governmental microdata},
author = {Mário S. Alvim and Natasha Fernandes and Annabelle McIver and Carroll Morgan and Gabriel H. Nunes},
journal= {arXiv preprint arXiv:2204.13734},
year = {2024}
}