保护隐私并转化 COVID-19 病例监测数据集以供公共使用
密码学与安全
2021-06-21 v1 计算机与社会
摘要
目标：促进联邦所收集数据更多共享的联邦开放数据倡议对于透明度、数据质量、信任以及与公众和州、部落、地方及属地（STLT）伙伴的关系十分重要。这些倡议通过向更多研究人员、科学家与政策制定者提供数据以在 CDC 响应者之外进行分析、协作和有价值的使用，增进了对健康条件和疾病的理解。对于诸如 COVID-19 等新兴疾病尤其如此，我们尚有许多待了解之处且数据需求不断演变。自疫情开始以来，CDC 已从各辖区收集个人级去标识化数据，目前拥有超过 800 万条记录且每日增加。本文描述了 CDC 如何设计并从这些收集数据中生成两个去标识化公共数据集。材料与方法：数据元素的纳入基于有用性、公众请求与隐私影响；特定字段值被抑制以降低重识别与机密信息暴露风险。使用数据管理平台分析工具以及 R 脚本创建数据集并验证其隐私与保密性。结果：无限制数据通过 Data.CDC.gov 向公众提供，含附加字段的限制数据可通过 GitHub.com 上私有仓库的数据使用协议获取。实践意义：对可用公共数据、创建这些数据所用方法以及保护去标识化个体隐私算法的更深入理解有助于改进数据使用。自动化数据生成流程可实现更广泛且更及时的数据共享。
引用
@article{arxiv.2101.05093,
title = {Protecting Privacy and Transforming COVID-19 Case Surveillance Datasets for Public Use},
author = {Brian Lee and Brandi Dupervil and Nicholas P. Deputy and Wil Duck and Stephen Soroka and Lyndsay Bottichio and Benjamin Silk and Jason Price and Patricia Sweeney and Jennifer Fuld and Todd Weber and Dan Pollock},
journal= {arXiv preprint arXiv:2101.05093},
year = {2021}
}
备注
19 pages, 4 figures, 1 table, 5 supplements