保护隐私的数字痕迹数据本地分析：概念验证
密码学与安全
2021-10-12 v1
摘要
我们提出 PORT，一个用于数字痕迹数据本地提取与分析的软件平台。尽管私人和公共部门收集的数字痕迹数据具有巨大的社科发现潜力，但其最有价值的部分因隐私担忧和受限的 API 访问而对学术研究者不可得。然而，欧盟《通用数据保护条例》（GDPR）赋予所有公民获取其个人数据电子副本的权利。所有主要数据控制者，如社交媒体平台、银行、网店、会员卡系统与公共交通卡，均通过向客户提供“数据下载包”（DDP）来遵从该权利。此前已提出一个概念工作流，允许公民将其数据捐赠给科研工作者。在该工作流中，公民的 DDP 在其本地设备上处理，之后才被请求提供知情同意以与研究者共享部分处理后数据。本文中，我们展示新开发的软件 PORT，其实现了该工作流的本地处理部分，通过将敏感数据与任何外部观察者——包括研究者自身——隔离来保护隐私。因此，PORT 使得社会数据科学在迄今不可得数据上的诸多潜在应用成为可能。
引用
@article{arxiv.2110.05154,
title = {Privacy preserving local analysis of digital trace data: A proof-of-concept},
author = {Laura Boeschoten and Adriënne Mendrik and Emiel van der Veen and Jeroen Vloothuis and Haili Hu and Roos Voorvaart and Daniel Oberski},
journal= {arXiv preprint arXiv:2110.05154},
year = {2021}
}