PRIVEE: 用于开放数据主动隐私风险检视的可视分析工作流
密码学与安全
2022-11-30 v1 计算机与社会
摘要
包含个人信息的开放数据集即使经过匿名化也易受对抗攻击。通过对具有共享属性的多个数据集执行低代价连接(join),开放数据门户的恶意用户可能获取侵犯个人隐私的信息。然而,开放数据集主要采用发布即遗忘(release-and-forget)模式发布,数据拥有者与保管者对这些隐私风险几乎毫无察觉。我们针对这一关键缺口开发了可视分析解决方案,使数据防御者能够意识到本地可连接数据邻域中的披露风险。该方案通过与数据隐私研究者的设计研究得出,其中我们先扮演红队并通过基于隐私攻击场景的合乎道德的数据黑客演练来界定问题领域。我们利用此问题与领域刻画开发了一组作为防御机制的可视分析干预手段,并在PRIVEE中予以实现——一个充当数据防御者主动监视器的可视风险检视工作流。PRIVEE结合风险分数与相关交互式可视化,让数据防御者探索脆弱连接并在多数据粒度层级解释风险。我们通过两个与数据隐私专家合作的案例研究展示了PRIVEE如何帮助模拟攻击策略并诊断披露风险。
引用
@article{arxiv.2208.06481,
title = {PRIVEE: A Visual Analytic Workflow for Proactive Privacy Risk Inspection of Open Data},
author = {Kaustav Bhattacharjee and Akm Islam and Jaideep Vaidya and Aritra Dasgupta},
journal= {arXiv preprint arXiv:2208.06481},
year = {2022}
}
备注
Accepted for IEEE Symposium on Visualization in Cyber Security, 2022