非常に大きなデータセットのための柔軟でスケーラブルなプライバシー評価,および政府マイクロデータへの応用【JST・京大機械翻訳】

Alvim Mario S.; Fernandes Natasha; McIver Annabelle; Morgan Carroll; Nunes Gabriel H.

プレプリント

J-GLOBAL ID：202202214021148002 整理番号：22P0340649

非常に大きなデータセットのための柔軟でスケーラブルなプライバシー評価,および政府マイクロデータへの応用【JST・京大機械翻訳】

Flexible and scalable privacy assessment for very large datasets, with an application to official governmental microdata

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年04月28日プレプリントサーバーでの情報更新日： 2022年07月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

定量的情報フロー(QIF)のフレームワークからの数学的概念に基づいて,プライバシー解析の従来の処理の系統的再要因を提示した。提案アプローチは3つの主要な利点をもたらす:それは柔軟であり,既知および新規の両者の攻撃に対するプライバシーリスクの正確な定量化および比較を可能にする;それは,非常に大規模な,長期的データセットのために計算的に扱いやすい。そして,その結果は政治家と一般市民の両方に対して説明可能である。このアプローチを非常に大規模な事例研究に適用した:2007年以降毎年約50百万の個人の90以上の属性から成る政府機関のINEPによって削減されたブラジルの教育的Censuss。これらのデータセットは,最近,ブラジルの社会で追求された開放性の維持を継続しながら,それらのプライバシーを規制する法律を引きつけた。その法律に対するINEPの反応は,それらによるプロジェクトの生成であった。この結論では,科学,技術,および通信教訓を,プロセスの中で学習した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , 【Automatic Indexing@JST】

データ保護

, , , , ,

前のページに戻る