Split leverage: attacking the confidentiality of linked databases by partitioning
Notice bibliographique
Résumé
This article considers the risk of disclosure in linked databases when statistical analysis of micro-data is permitted. The risk of disclosure needs to be balanced against the utility of the linked data. The current work specifically considers the disclosure risks in permitting regression analysis to be performed on linked data. A new attack based on partitioning of the database is presented. References Anton, H., Rorres, C. Elementary Linear Algebra, 10th edition. John Wiley and Sons Inc, Hoboken, NJ, 2010. Chipperfield, J. O., Yu, F., Gare, M. Providing access to microdata for statistical purposes: Experiences of the Australian Bureau of Statistics with remote analysis servers. Symposium 2011, Catalogue no. 11-522-XCB, Statistics Canada, pp.187–194, http://publications.gc.ca/collections/collection_2013/statcan/11-522-x/CS11-522-2011-eng.pdf, 2011. Cox, L. Confidentiality Issues For Statistical Database Query Systems. Invited Paper for Joint UNECE/Eurostat Seminar on Integrated Statistical Information Systems and Related Matters, Geneva Switzerland, http://www.unece.org/stats/documents/ces/sem, 2002. Dwork, C., McSherry, F., Nissim, K., Smith, A. Calibrating noise to sensitivity in private data analysis. Proceedings of the 3rd Theory of Cryptography Conference, LNCS 3876, pp. 265–284, 2006. doi:10.1007/11681878_14 Duncan, G. T., Elliott, M., Salazar-Gonzalez, J.-J. Statistical Confidentiality: Principles and Practice. Springer, NY, 2012. doi:10.1007/978-1-4419-7802-8 Gomatam, S., Karr, A., Reiter, J., Sanil, A. Data dissemination and disclosure limitation in a world without microdata: A risk-utility framework for remote access systems. Statistical Science 20(2), pp. 163–177, 2005. doi:10.1214/088342305000000043 Hundepool, A., Domingo-Ferrer, J., Franconi, L., Giessing, S., Norholdt, E., Spicer, K., de Wolf, P.-P. Statistical Disclosure Control. Wiley, UK, 2012. O'Keefe, C., Chipperfield, J. A Summary of Attack Methods and Confidentiality Protection Measures for Fully Automated Remote Analysis Systems. International Statistical Review 81(3), pp. 426–455, 2013. doi:10.1111/insr.12021 O'Keefe, C., Good, N. Regression output from a remote analysis server. Data and Knowledge Engineering 68(11), pp. 1175–1186, 2009. doi:10.1016/j.datak.2009.06.009 Reiter, J. P. Model diagnostics for remote-access regression servers. Statistics and Computing 13(4), pp. 371–380, 2003. doi:10.1023/A:1025623108012 Reiter, J. P., Kohnen, C. N. Categorical data regression diagnostics for remote servers. Journal of Statistical Computation and Simulation 75(11), pp. 889–903, 2005. doi:10.1080/00949650412331299184 Reznek, A. P. Recent confidentiality research related to access to enterprise microdata. Comparative Analysis of Enterprise Microdata Conference Chicago, IL, USA, http://www.oecd.org/std/37503027.pdf, 2006. Ritchie, F. Disclosure Controls for Regression Outputs. London: Mimeo, Office of National Statistics, London, http://www.wiserd.ac.uk/files/7913/6543/6668/WISERD_WDR_006.pdf, 2006. Sparks, R., Carter, C., Donnelly, J., Duncan, J., O'Keefe, C., Ryan, L. A framework for performing statistical analyses of unit record health data without violating either privacy or confidentiality of individuals. Proceedings of the 55th Session of the International Statistical Institute, Sydney, 2005. Sparks, R., Carter, C., Donnelly, J. B., O'Keefe, C., Duncan, J., Keighley, T., McAullay, D. Remote access methods for exploratory data analysis and statistical modelling: Privacy-Preserving Analytics. Computer Methods and Programs in Biomedicine 91(3), pp. 208–222, 2008. doi:10.1016/j.cmpb.2008.04.001 Wetherill, G. B. Regression Analysis with Applications. Chapman and Hall Ltd, London, 1986. Wolfram Research, Inc. Mathematica Version 8.0. Wolfram Research, Inc., Champaign, IL, USA, 2010.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,007 | 0,023 |
| Science ouverte | 0,004 | 0,022 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».