知识卡片
隐私难定义、去标识化失效与 k-匿名
隐私在学术上出了名地难以定义,度量因此难做,尤其难面向未来(future-proofing)。大数据的兴起是戏剧性反例:专家曾认为去标识化数据可安全发布,删掉姓名、地址等容易被匹配到个人的标识信息即可;但生日、种族、邮编这些看似与特定人身份不直接相关的因素仍被保留。当大量数据集被汇编、且常围绕重叠的人群,就能把不同数据拼起来,从去标识化信息里重新识别出个人:对多数美国人,仅凭生日、邮编、性别就能在一份去标识化数据里把人找出来。再加上数据泄露与人们主动分享自身信息,世界远非匿名。k-匿名(k-anonymity)是对应的形式化思路:在给定数据集中,对任一关注类别的组合,落入该桶的个体至少要有 k 个(k 由外部指定)。做法如把生日只报到月或年、邮编只报前四位而非全部五位;本质是把隐私理解为不落在太小的组里。医疗域推荐 k 至少为 5,也有报告用到远大于 50 的取值。合适的 k 取决于领域:数据敏感度、能否在大 k 下仍构建出有用的数据集,以及其他可关联数据集带来的重识别可能性,都要权衡。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- Fairness, Privacy, and Ethical ML Systems · 查看原书依据
The idea behind k-anonymity is that in a given dataset, for any given combination of categories of interest, there should be at least k individuals (externally specified) who fall into any given bucket.
参考来源
- 位置:《Reliable Machine Learning》第06章《Fairness, Privacy, and Ethical ML Systems》(源文件:extracted/Reliable Machine Learning/_epub-src/OEBPS/ch06.xhtml)
- 结论依据:原文明确阐述该主题,并给出定义、实践或反例。
- 原始内容:The idea behind k-anonymity is that in a given dataset, for any given combination of categories of interest, there should be at least k individuals (externally specified) who fall into any given bucket.