面向公共卫生的隐私增强技术（PETs）技术案例研究

我们提出了关于隐私增强技术（PETs）用于公共卫生挑战的技术案例研究，这是一项旨在安全利用敏感私营部门数据以实现社会影响——具体而言是疫情管理的合作项目。该项目利用差分隐私（DP）创建真实且隐私保护的合成金融交易数据，然后与公共卫生和 mobility 数据集合并。该方法成功解决了将敏感财政信息用于研究和政策的关键障碍。分析表明，这些合成的、DP 保护的数据在空间时间和预测方面具有显著的公共卫生应用价值。关键成果包括开发六个可复用的工具和框架，支持诊断性 nowcasting（如热点检测、疫情遵从率监测）和预测性预测（如 mobility 分析、接触矩阵估计），用于流行病学决策。该研究提供了在隐私合规 manner 下推进数据共享的最佳实践。