Синтетичні мережі можуть збільшити доступність деяких даних, захищаючи індивідуальну чи інституційну приватність, повідомляє статистик штату Пенсільванія.
"Мій головний інтерес полягає в розробці методології, яка дозволила б ширше обмінюватися конфіденційними даними таким чином, що може допомогти в наукових відкриттях", - сказала Олександра Славкович, професор статистики і декан факультету освіти Еберлі, штат Пенсільванія. "Можливість обмінюватися конфіденційними даними з мінімальним кількісним ризиком для виявлення конфіденційної інформації та забезпечення точності та цілісності статистики" - це мета. "
Славкович знайшов рішення цієї проблеми конфіденційності даних за допомогою міждисциплінарного співробітництва, особливо з комп'ютерними та соціальними вченими. Її дослідження фокусуються на різних даних, включаючи дані мережі, які фіксують інформацію про взаємозв'язок між суб'єктами, такими як окремі особи чи установи. Вона повідомила про свої підходи до створення синтетичних мереж, які задовольняють поняття диференційованої приватності сьогодні (16 лютого) під час щорічного засідання Американської асоціації розвитку науки у Вашингтоні, округ Колумбія.
Диференційна конфіденційність забезпечує математично доказову гарантію рівня втрати конфіденційності для окремих осіб.
Вчені хочуть отримати доступ до даних, зібраних іншими для своїх досліджень, але такий доступ також може порушити конфіденційність особистості, навіть після видалення так званих особистих даних.
"Великим винуватцем є велика кількість допоміжних даних", - сказав Славкович. "З методологічними та технологічними досягненнями у зборі даних та зв'язуванні записів, більш легкого доступу до різноманітних джерел даних, які можуть бути пов'язані з набором даних, і вимогами агентств фінансування для обміну даними, ризики для конфіденційності даних зростають. рішення для управління втратою конфіденційності є необхідними для забезпечення надійного наукового відкриття. "
Публічно доступна інформація, наприклад, про випробування на ВІЛ-препарат, може свідчити про те, хто перебував у групі лікування та хто був у контрольній групі. Лікувальна група містила б тільки людей з діагнозом ВІЛ, і навіть якщо власники даних утримували особисті дані з цього набору даних, деякі ідентифікаційні дані залишилися б. Оскільки сьогодні в соціальних мережах і в інших наборах даних доступно багато інформації, можна підключити точки та ідентифікувати людей, потенційно виявляючи свій ВІЛ-статус.
"Методи зв'язування двох наборів даних, наприклад, записів виборців і даних про медичне страхування, значно покращилися", - сказав Славкович. «В одному з перших висновків, Латанья Суінй (нині в Гарварді) показала, що, пов'язуючи ці дані, можна виявити 87 відсотків людей у переписі США від 1990 року, виходячи з дати їх народження, статі та 5 цифр Зовсім недавно дослідники використовували твіти та пов'язані з ними метадані Twitter, щоб показати, що вони можуть ідентифікувати користувачів з точністю 96,7%.
Славкович зазначає, що не тільки люди чи установи, дані яких містяться в базах даних, а й люди, що знаходяться за межами бази даних, можуть також страждати від вторгнення в приватне життя, безпосередньо або через асоціацію. Зв'язки між інформацією в наборі даних та інформацією в соціальних мережах можуть призвести до серйозного порушення конфіденційності - щось подібне до ВІЛ-статусу або сексуальної орієнтації може мати серйозні наслідки при виявленні.
Хоча конфіденційність є важливою, зібрані набори даних є важливим джерелом інформації для дослідників. В даний час, в деяких випадках, коли дані є надзвичайно чутливими, дослідники повинні фізично звертатися до сховищ даних, щоб проводити дослідження, роблячи дослідження складнішим і дорогим.
Славкович цікавиться мережевими даними. Інформація, що показує взаємозв'язок людей або установ - вузлів - і зв'язків між вузлами. Її підхід полягає у створенні трохи змінених, дзеркальних мережевих наборів даних з деякими з перенесених вузлів, зміщеними зв'язками або зміненими ребрами.
"Мета полягає в тому, щоб створити нові мережі, які задовольняють суворі вимоги до диференційованої конфіденційності і в той же час фіксують більшість статистичних функцій з оригінальної мережі", - сказав Славкович.
Ці синтетичні набори даних можуть бути достатніми для деяких дослідників для задоволення своїх дослідницьких потреб. Для інших було б достатньо перевірити їхні підходи та гіпотези перед тим, як відправитися на сайт зберігання даних. Дослідники могли б перевірити код, зробити дослідницькі дослідження і, можливо, базовий аналіз, очікуючи дозволу на використання вихідних даних на своєму сайті сховища.
"Ми не можемо задовольнити потреби в статистичному аналізі з однаковими видами даних", - сказав Славкович. "Деякі люди потребуватимуть оригінальних даних, але інші можуть пройти довгий шлях з синтетичними даними, такими як синтетичні мережі".
