Key points are not available for this paper at this time.
Angenommen, es gibt viele Klienten, die jeweils einige persönliche Informationen haben, und einen Server, der sich nur für aggregierte, statistisch signifikante Eigenschaften dieser Informationen interessiert. Die Klienten können die Privatsphäre ihrer Daten schützen, indem sie diese mit einem Randomisierungsalgorithmus perturbieren und dann die randomisierte Version einreichen. Der Randomisierungsalgorithmus wird so gewählt, dass die aggregierten Eigenschaften der Daten mit ausreichender Genauigkeit wiederhergestellt werden können, während die einzelnen Einträge signifikant verzerrt sind. Wie viel Verzerrung benötigt wird, um die Privatsphäre zu schützen, kann mit Hilfe eines Datenschutzmaßes bestimmt werden. Mehrere mögliche Datenschutzmaße sind bekannt; die beste Maßnahme zu finden, ist eine offene Frage. Dieses Papier präsentiert einige Methoden und Ergebnisse zur Randomisierung für numerische und kategorische Daten und diskutiert die Frage der Messung der Privatsphäre.
Alexandre Evfimievski (Sun,) hat diese Frage untersucht.
Synapse has enriched 4 closely related papers on similar clinical questions. Consider them for comparative context: