k-匿名化が誘発する濡れ衣：解決編
•
3 recomendaciones•3,532 vistas
以前にアップロードした「k-匿名化と濡れ衣」で示した問題の解決編です。 内容は以下のようになります。 k-匿名化 テーブル形式のデータのk-匿名化 位置情報のk-匿名化 k-匿名化が誘発する濡れ衣 匿名化領域を工夫して濡れ衣を起こりにくくする方法 実験結果
Recomendados
Más contenido relacionado
La actualidad más candente
La actualidad más candente (20)
Destacado
Destacado (20)
Más de Hiroshi Nakagawa
Más de Hiroshi Nakagawa (20)
k-匿名化が誘発する濡れ衣：解決編
- 2. 以前にアップロードした「k-匿名化と濡れ 衣」で示した問題の解決編です。 内容は以下のようになります。 k-匿名化 – テーブル形式のデータのk-匿名化 – 位置情報のk-匿名化 k-匿名化が誘発する濡れ衣 提案手法 実験 2
- 3. 名前 年齢 性別 住所 N月M日P時の所在 一郎 35 男 文京区本郷XX K消費者金融店舗 次郎 30 男 文京区湯島YY T大学 三子 33 女 文京区弥生ZZ T大学 四郎 39 男 文京区千駄木WW Y病院 データ匿名化の必要性 3 パーソナルデータから個人が 特定されてはならない データを匿名化して活用 パーソナルデータを 解析して知見を得たい
- 4. 名前 年齢 性別 住所 N月M日P時の所在 一郎 35 男 文京区本郷XX K消費者金融店舗 次郎 30 男 文京区湯島YY T大学 三子 33 女 文京区弥生ZZ T大学 四郎 39 男 文京区千駄木WW Y病院 パーソナルデータに記載される情報 識別子 QI センシティブ情報 ・識別子 単体で個人の特定に繋がり得るもの ・準識別子(QI) 複数のQIを組み合わせることで個人の特定に繋がり得るもの ・センシティブ情報 他人に知られたくない情報：病名、収入、あるいは居場所 4
- 5. k-匿名化 5 準識別子の値が同一のレコードがテーブル内に少なくともk人存在するよ うにデータを変換し、個人が識別されることを防ぐ 名前 年齢 性別 住所 N月M日P時の所在 一郎 35 男 文京区本郷XX K消費者金融店舗 次郎 30 男 文京区湯島YY T大学 三子 33 女 文京区弥生ZZ T大学 四郎 39 男 文京区千駄木WW Y病院 名前（匿名化） 年齢 性別 住所 N月M日P時の所在 一郎 30代 ＊ 文京区 K消費者金融店舗 次郎 30代 ＊ 文京区 T大学 三子 30代 ＊ 文京区 T大学 四郎 30代 ＊ 文京区 Y病院 4-匿名化
- 6. 目次 k-匿名化 – テーブル形式のデータのk-匿名化 – 位置情報のk-匿名化 k-匿名化が誘発する濡れ衣 濡れ衣を軽減するk-匿名化 実験 6
- 8. 目次 k-匿名化 – テーブル形式のデータのk-匿名化 – 位置情報のk-匿名化 k-匿名化が誘発する濡れ衣 濡れ衣を軽減するk-匿名化 実験 8
- 10. 濡れ衣が発生する想定ケース 就活中の学生Aが消費者金融の存在する匿名化領域に滞在 学生Aの採用を検討している企業が滞在履歴を閲覧 10 本当は優秀だったＡさんを採用 しないで、く別の人を採用したこ とによる損失と、余分な採用コ ストが発生 Aさんがお金を横領する等の問題を 起こし、企業に被害を与える可能性があ る 企業側の視点 採用しない場合 消費者金融に行くような学生は入社後に問題を起こす可能性がある。 このとき、企業はAさんを採用すべきか？ 採用する場合 被害額の期待値として計算 対策コストとして計算
- 11. 濡れ衣の性質 11 s:一つの匿名化領域内で特定の 場所に存在する人数 k:一つの匿名化領域内に存在する人数 Aさんがお金を横領する等の問題を起 こし企業に与える被害額の期待値 s/kに比例すると考えるのが自然です 被害額の期待値 Aさんではなく別の人を採用す る際に発生するコスト s/kにかかわらず一定です 対策コスト この部分ならあ まり心配ない この部分だと リアルに心配 すべき
- 14. 目次 k-匿名化 – テーブル形式のデータのk-匿名化 – 位置情報のk-匿名化 k-匿名化が誘発する濡れ衣 提案手法 実験 14
- 16. 匿名化アルゴリズムの流れ 1. クラスタ数の決定（k-匿名化のkで決まる） 2. センシティブなデータ点の初期化 3. 初期クラスタの重心の導出 4. 初期クラスタの割当 5. クラスタの更新 6. 非常にゆがんだクラスタができてしまったらクラスタ 再構成 16
- 17. １．クラスタ数の決定 C = N k ê ëê ú ûú に基づいてクラスタ数Cを決定します センシティブな施設に存在したデータ点 その他のデータ点 k 一つのクラスタが含む最低限のデータ点の数 N 領域全体に存在するデータ点の数 17
- 20. 初期クラスタの重心（２） 残りのデータ点から 個のクラスタ重心を選択C - DSi i å k=2の場合 DS ={DSi |i =1,2, ,m} 領域全体に存在するセンシティブな施設の集合 DSi = {si,1,si,2, ,si, DSi } センシティブな施設 20
- 29. ６．クラスタ再構成のアルゴリズム 1. クラスタ内で各点と重心までの距離の二乗和が大きい順に全クラスタをソー ト 2. 距離の二乗和が大きいクラスタから、クラスタの再構成を行うかどうかを判 定します 3. 再構成するときは、クラスタ数を減らす（＝クラスタ内の要素数を増やす）こ とによって、クラスタ構造に自由度を与えます。 4. 再構成が成功した場合は再構成したクラスタを再構成の対象から除外しま す 5. 再構成できないクラスタが現れるまで再構成を行います 29
- 38. クラスタ再構成の可否の判定 再構成後の距離の二乗和<再構成前の距離の二乗和の場合 – 次に距離の二乗和が大きいクラスタに対して再構成を試みます 再構成後の距離の二乗和<再構成前の距離の二乗和の場合 – 再構成をなかったものとし、再構成プロセスを終了します 38 再構成によって元々のクラスタより情報損失が悪化することを防ぎます 目的 判定条件
- 39. 目次 k-匿名化 – テーブル形式のデータのk-匿名化 – 位置情報のk-匿名化 k-匿名化が誘発する濡れ衣 提案手法 実験 39
- 40. 評価実験をしました データ – 100×100の二次元平面 – 400個のデータ点をランダムに設置 – センシティブな施設を２つ設置し、それぞれにデータ点を２点と３点設 置 条件 – k=5（一つのクラスタの要素数) – クラスタ数：80 – 再構成する際に巻き込むクラスタの数:5 – 再構成後のクラスタ数:4 40
- 41. 評価指標 f (x) = 1 1+e-a(x-b) 41 Loss = li, j 2 Cij Ci å i C å 濡れ衣を被る確率 情報損失 Ci li, j i番目のクラスタの要素数 i番目のクラスタ重心とクラスタ内 の各データ点との距離 ２つの評価指標で既存手法と提案手法を評価
- 43. 評価基準：情報損失 43
- 45. Appendix 45
- 46. 既存手法：Interval Cloak Quad treeベース – 空間を再帰的に四分割 – 領域に含まれる人数≧k人を満たすまで親ノードに移動 46 u1 u2 u3 u4 A1 A2 • u4を匿名化したい ➡匿名化領域はA2 • u1, u2, u3 を匿名化したい ➡ 匿名化領域 は A1 • k=2