数据发布中隐私保护技术综述

所收集、处理和共享的微数据的指数级增长引发了关于个人隐私的担忧。因此，出现了法律法规以管控各组织对微数据的处理及保护方式。统计披露控制旨在通过去标识化来降低机密信息泄露的风险。此类去标识化通过隐私保护技术得以保障。然而，去标识化数据通常导致信息损失，可能影响数据分析精度与模型预测性能。主要目标是在保护个人隐私的同时保持数据的可解释性，即其实用性。统计披露控制是一个不断扩展且需探索的领域，因为尚不存在保障最优隐私与效用的解决方案。本综述聚焦于去标识化过程的各个步骤。我们介绍了微数据去标识化中使用的现有隐私保护技术、适用于若干披露类型的隐私度量，以及信息损失与预测性能度量。在本综述中，我们讨论了隐私约束引发的主要挑战，描述了应对这些障碍的主要方法，回顾了隐私保护技术的分类体系，提供了对现有比较研究的理论分析，并提出了多个开放问题。