Синтетични мрежи може да се увеличи наличието на някои данни, докато все още защитата на индивидуалните или институционални поверителност, според Penn State статистик.
"Моят основен интерес е в разработването на методология, която би позволила по-широк обмен на поверителни данни по начин, който може да помогне в научно откритие," каза Александра Slavkovic, професор по статистика и сътрудник Дийн за образование, Eberly колеж по Наука, Пен-членка. "Е в състояние да споделят поверителни данни с минимално количествено риска за откриването на чувствителна информация и все още гарантира статистическа точност и почтеност, е целта."
Slavkovic е намерил решения на този проблем за поверителност на данни чрез интердисциплинарни сътрудничества, особено с компютър и социолози. Нейните изследвания се фокусират върху различни данни, включително данни за мрежата информация за релация между обекти като физически лица или институции. Тя съобщава си подходи за осигуряване на синтетични мрежи, които отговарят на понятието диференциал поверителност днес (16 февруари) по време на 2019 годишната среща на Американската асоциация за напредък на науката във Вашингтон.
Диференциална защита осигурява математически доказуем гаранция за нивото на поверителност загуба на физически лица.
Учените искат достъп до данни, събрани от други за своите изследвания, но такъв достъп може да компрометира личната неприкосновеност, дори след отстраняване на така наречените лично идентифициращи ви данни.
"Изобилие от спомагателни данни е основният обвиняем," каза Slavkovic. "С методическа и технологичния напредък в събирането на данни и запис връзка, по-лесен достъп до различни източници на данни, които могат да бъдат свързани с един набор от данни в ръка, и финансиране на агенции изисквания да споделяте данни, рисковете за защита на личните данни се увеличават. Но, намирането добри решения за управление на личния живот загуба са от съществено значение за давам възможност на звук научно откритие."
Публично достъпна информация от лекарството на ХИВ наркотик, например, би означавало, който е бил в групата на лечение и който е бил в контролната група. Групата на лечение ще съдържа само хората, диагностицирани с ХИВ и въпреки че собствениците на данните отказана личните данни от този набор от данни, ще остане идентифицираща информация. Защото толкова много информация от днес е достъпен онлайн, в социалните медии и в други масиви от данни, е възможно да свържете точките и идентифицира хора, потенциално разкрива своя ХИВ статус.
"Техники за свързване на два набори от данни, казват избирателите записи и данни за здравно осигуряване, са значително подобрени", каза Slavkovic. "В един от най-ранните находки, Latanya Sweeny (сега в Харвард) показа, че чрез свързване на тези вид на данни, можете да идентифицирате 87 процента от хората в САЩ преброяването от 1990 г., въз основа на датата им на раждане, пол и 5-цифрен пощенски код. По-скоро изследователите използват tweets и свързани Twitter метаданни да покаже, че те могат да се идентифицират потребителите с 96,7 процента точност."
Slavkovic отбелязва, че това не е просто хора или институции, чиито данни се съдържат в базите данни, но че хора извън базата данни също могат да страдат от нашествие на личния живот, пряко или чрез асоциация. Връзки между информация в един набор от данни и информация за социални медии може да доведе до сериозни поверителност седалищни — нещо като ХИВ статус или сексуална ориентация може да има сериозни последици, ако разкри.
Докато поверителност е важна, събрани набори от данни съставляват основен източник на информация за изследователи. В момента в някои случаи, когато данните са изключително чувствителни, изследователите трябва да физически да отидете до хранилища на данни да се направи си изследвания, прави изследвания, по-трудно и скъпо.
Slavkovic се интересува от мрежа за данни. Информацията, която показва взаимосвързаността на хора или институции — възли- и връзки между възли. Нейният подход е да се създаде малко променено, огледално мрежа набори от данни с няколко от възли се премества, връзки изместен или променени ръбове.
"Целта е да се създаде нови мрежи, които отговарят на изискванията, строг диференциална защита и в същото време плен-голямата част от статистическите функции от оригиналните мрежата," каза Slavkovic.
Тези синтетични набори от данни може да бъде достатъчно за някои изследователи да задоволи техните нужди за изследване. За други би било достатъчно, за да тестват своите подходи и хипотеза преди да отида на данни за съхранение на сайта. Изследователите да тест код, направете проучвателна изследователска и може би основен анализ докато чака разрешение да използват първоначалните данни в сайта си хранилище.
"Ние не може да задоволи изискванията за всички статистически анализ със същия тип на променени данни," каза Slavkovic. "Някои хора ще се нуждаят от оригиналните данни, но други може да се извърви дълъг път със синтетични данни като синтетични мрежи."
