作为隐私泄露预测指标的唯一性比率

当独立的数据库被连接时，即使每个数据集都单独进行了匿名化处理，也可能出现身份泄露。尽管先前的工作侧重于连接后的检测或复杂的隐私模型，但很少有人关注简单、可解释的连接前指标，这些指标可以在集成发生之前警告数据工程师和数据库管理员。本研究将候选连接属性的唯一性比率作为重标识风险的早期预测指标进行了考察。使用合成多表数据集，我们计算了每个数据库内属性组合的唯一性比率，并考察了这些比率与连接后身份暴露之间的相关性。实验结果表明，高连接前唯一性与连接后泄露增加之间存在强相关性，后者通过变为唯一可识别或落入极小分组的记录比例来衡量。我们的发现表明，唯一性比率为评估连接引发的隐私风险提供了一个可解释且实用的信号，为开发更全面的连接前风险估计模型奠定了基础。