《自然-通訊》發(fā)表的一篇論文 Estimating the success of re-identifications in incomplete datasets using generative models 介紹了一種可以評估一個人的身份是否能夠從一個不完整的匿名化數(shù)據(jù)庫中被重新識別出來的方法。該論文認為目前的匿名化和數(shù)據(jù)共享方法可能不足以保護個人隱私或滿足數(shù)據(jù)保護法律法規(guī)的要求，如歐盟的《通用數(shù)據(jù)保護條例》（GDPR）。

來源：VisualHunt

數(shù)據(jù)科學和人工智能有望變革我們?nèi)粘Ｉ畹姆椒矫婷?，如醫(yī)療、衛(wèi)生保健、商業(yè)和治理。這些方法依賴于大規(guī)模的詳細個人數(shù)據(jù)，但是收集和共享個人數(shù)據(jù)引發(fā)了有關(guān)個人隱私的擔憂。針對這個問題，目前的解決方法包括匿名化處理和公布不完全的數(shù)據(jù)集。但是，近期發(fā)生了利用匿名數(shù)據(jù)集，包括瀏覽歷史記錄、手機和信用卡數(shù)據(jù)，成功重新識別出個體身份的情況，這表明上述措施可能還不夠充分。

英國帝國理工學院的Yves-Alexandre de Montjoye及同事開發(fā)了一種統(tǒng)計方法，能夠準確估算通過匿名數(shù)據(jù)集正確地重新識別個體身份的可能性。作者發(fā)現(xiàn)，只需要知道少數(shù)幾個屬性，如郵政編碼、出生日期、性別和子女數(shù)量，一般就能夠以高可信度重新識別出個體身份——即使數(shù)據(jù)集是不完整的。已知屬性越多，識別的可能性越大。例如，99.98%的馬薩諸塞州人口可以通過15個人口統(tǒng)計學屬性識別出來。因此，他們總結(jié)認為只公布取樣數(shù)據(jù)集或不完全數(shù)據(jù)集不足以保護個人隱私。

來源： Nature自然科研