知识卡片
K-匿名及其后继模型
K-匿名(k-anonymity,Pierangela Samarati 与 Latanya Sweeney 提出)引入等价类:发布的数据中每条记录都要与至少 k-1 条其他记录在可用于定位的字段上不可区分,主要用于数据集发布或提供给第三方研究机构。
- k 越大,保护越强(任何疑似某人的记录都能再找到 k-1 条相似记录);
- k 越大,丢失信息越多、可用性越低——罕见样本凑不成等价类就不能用,凑不成 k 条的记录不应纳入数据集。
模型的逐步修补:
| 模型 | 解决的问题 | 仍然存在的缺陷 |
|---|---|---|
| K-匿名 | 单条记录可被唯一定位 | 一致性攻击:一个等价类中的人都是同一种病(如乙肝),这几人的隐私仍然泄露 |
| L-Diversity | 要求每个等价类中敏感属性至少有 L 个不同值,为每个患者至少找到 L-1 个“病友” | 敏感字段只有阳性/阴性(如 HIV 筛查)时,2-Diversity 没有意义——出现在数据集本身就泄露隐私;也没考虑敏感值的总体分布和语义 |
| T-Closeness | 等价类中敏感信息的分布与整个数据集接近,不超过阈值 t | 结合背景知识仍可能获取更多信息;实践中使用较少 |
作者结论:K-匿名在实践中不断被发现缺陷、不断改进;今天判断不会泄露,也不能排除将来被攻击者找出真实个人。MIT 学者 Yves-Alexandre de Montjoye 的研究表明,只需 4 个与用户相关的外部信息(运动轨迹或定位、点评评分、消费记录等),攻击者就有超过 90% 的概率识别出特定用户。所以尽量不要直接对外提供数据集;差分隐私出现后,可以改为提供经差分隐私保护的统计查询接口(在查询结果上加噪声)。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第18章 隐私保护增强技术 · 查看原书依据
因此直接提供数据集的方式所面临的风险还是非常高的。
参考来源
- 位置:《数据安全架构设计与实战》第18章《第18章 隐私保护增强技术》18.2.3 K-匿名(源文件:extracted/数据安全架构设计与实战/_epub-src/OEBPS/text00023.html,来源项目 book-sources)
- 结论依据:18.2.3节说明K-匿名的提出者、等价类定义与k值权衡,以k=2示例说明一致性攻击,依次介绍L-Diversity和T-Closeness及其缺陷,引用de Montjoye研究,结论是尽量不直接提供数据集而改用差分隐私查询接口。
- 原始内容:因此直接提供数据集的方式所面临的风险还是非常高的。