データフライアルゴリズム

Dataflyアルゴリズムは、医療データの匿名性を提供するアルゴリズムです。このアルゴリズムは、1997〜98年にLatanya Arvette Sweeneyによって開発されました。 ^{[1] [2]}匿名化は、データ内の詳細の多くを失うことなく、必要に応じて情報を自動的に一般化、置換、挿入、削除することによって実現されます。この方法は、機関内の役割ベースのセキュリティでオンザフライで使用したり、機関からデータをエクスポートするためのバッチモードで使用したりできます。組織は、結果のデータが匿名に見えるため患者の機密性が維持されると誤って信じて、名前などのすべての明示的な識別子を削除した医療データを公開および受け取ります。ただし、残りのデータは、データを他のデータベースにリンクまたは照合するか、データベース自体のフィールドとレコードにある固有の特性を確認することで、個人を再識別するために使用できます。

Dataflyアルゴリズムは、過度な一般化によって匿名化を達成しようとしているとして批判されてきた。このアルゴリズムは、最も多くの異なる値を持つ属性を最初に一般化する属性として選択する。^[3]

Dataflyアルゴリズムの概要を以下に示します。^[4]

入力: プライベートテーブルPT、準識別子QI = ( A ₁、...、 A _n )、 k匿名制約k、ドメイン一般化階層 DGH _{A i}、ここでi = 1、...、 nおよび付随する関数 f _{A i} 、および抑制できるタプルの割合の制限である loss。PT[id] は、各タプルの一意の識別子またはキーのセットです。

出力: MGTはk匿名性 を強化するPT[QI]の一般化である

仮定: | PT | ≤ k、損失 * | PT | = k

アルゴリズム Datafly :

// PT内の準識別子にわたる一意の値の シーケンスを含む頻度リストを構築します。

// 各シーケンスの発生回数とともに表示されます。

1. freq を、最初は要素のない、展開および折りたたみ可能なベクトルとします。各要素は ( QI, frequency, SID ) の形式です。ここで、SID = { id _i  : ∃ t [ id ] ∈ [ id ] ⇒ t [ id ] = id _i }; であり、frequency = |SID| です。したがって、freq は (QI, frequency, SID) のテーブルとしてもアクセスできます。

2. pos 0、total 0とする${\displaystyle \gets}$${\displaystyle \gets}$

3. 合計≠ |PT| の場合、

3.1 freq[pos] ( t [QI], happens, SID ) ただしt [QI] ∈ [QI], ( t [ QI ],__, ___ ) freq; happens = |PT| - |PT[QI] – { t [QI]}|; かつ、 SID = { id _i  : ∃ t [ id ] PT[id] ⇒ t [ id ] = id _i }${\displaystyle \gets}$${\displaystyle \not \in}$${\displaystyle \gets}$

3.2 pos pos + 1、合計合計+発生${\displaystyle \gets}$${\displaystyle \gets}$

// 最も多くの異なる値を持つ属性を一般化してソリューションを作成します

// 許可された数以上のタプルを抑制しません。

4. 以下をk 0とする${\displaystyle \gets}$

5. pos 1から|freq|まで${\displaystyle \gets}$

5.1 ( __, カウント )頻度[位置]${\displaystyle \gets}$

5.2 count < kの場合、

5.2.1 belowk belowk + ​​count${\displaystyle \gets}$

6. if belowk > k then do: // 注: loss * |PT| = k。

6.1 頻度一般化(頻度)${\displaystyle \gets}$

6.2 ステップ4に進む

7. そうでなければ

// アサート: freq で抑制するタプルの数は loss * |PT| 以下です。

7.1 freq抑制(freq, belowk )${\displaystyle \gets}$

7.2 MGT再構築(頻度)${\displaystyle \gets}$

8. MGTを返します。

• Dataflyアルゴリズムの詳細