다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기
Journal of the Korean Data & Information Science Society = 한국데이터정보과학회지, v.24 no.5, 2013년, pp.1029 - 1041
AI-Helper
Recently, along with emergence of big data, there are incresing demands for releasing information and micro data for public use so that protecting privacy and measuring risk of disclosure for released database become important issues in goverment and business sector as well as academic community. Th...
| 핵심어 | 질문 | 논문에서 추출한 답변 |
|---|---|---|
| 통계학과 정보기술의 융합을 통해 어떤 시대가 되었는가? | 1960년대부터 표본조사에 대한 통계적 방법이 발전하고 1980년대부터는 정보기술의 혁명이 시작되어 자료의 수집, 저장 및 처리 방법이 비약적으로 발달하였다. 최근에는 통계학과 정보기술의 융합으로 정부, 기업, 개인등이 수집된 자료와 이로부터 생성되는 유용한 정보를 매우 편리하게 이용할 수 있는 시대가 되었다. 하지만 최근까지 수집된 자료나 생성된 정보를 자유롭게 이용할 수 있는 권한과 범위는 상당한 제약을 받았던 것이 현실이다. | |
| 마이크로 자료의 공개나 자료의 요약 정보를 제공하는 통계분석 서버에 사용되는 노출제한 방법과 노출위험에 대한 개념들을 개괄하여 살펴본 결과 예상할 수 있는 것은 무엇인가? | 현재는 과거와 달리 공공기관이나 기업이 보유하고 있는 방대한 자료를 이용하여 가공된 새로운 가치를 창출할 수 있다는 인식이 확대되고 있는 상황이다. 정보공개에 대한 요구와 더 나아가 빅테이타의 등장이라는 새로운 환경의 변화에 따라 정보의 공개의 범위와 사용 권한의 확대에 대한 요구가 급격히 증가하고 있으므로 더 많은 공공자료와 개인 별 자료가 공개될 것으로 예상된다. 또한 빅테이타에 대한 관심이 커짐에 따라 빅데이타를 분석하거나 다른 정보와 결합하는 경우도 증가할 것으로 예상된다. 이러한 자료의 양적 질적 팽창에 따라서 개인 정보의 노출 위험도 커질 것이 분명하다. | |
| 마이크로 자료를 공공에게 공개하는 경우에 필요한 작업은 무엇인가? | 마이크로 자료를 공개하는 경우에는 개인이나 기관의 신분이 노출될 위험이 항상 존재하기 때문에 민감한 정보가 노출되는 일이 발생할 가능성이 높다. 마이크로 자료를 공공에게 공개하는 경우에는 공개되는 변수들을 적절히 축소 또는 변경하여 개인의 신분이나 민감한 정보가 유출되는 가능성을 제거 또는 축소해야 한다. 하지만 비밀 보호를 위하여 자료를 변형하거나 축소하는 경우 공개된 자료의 유용성 (utility)이 떨어질 수 있으므로 자료의 변형 전과 후의 분석결과가 최대한 유사하도록 변형 방법을 설계해야 한다. |
Dalenius, T. (1977). Towards a methodology for statistical disclosure control. Statistik Tidskrift, 15, 429-444.
Dalenius, T. (1986). Finding a needle in a haystack or identifying anonymous census record. Journal of Official Statistics, 2, 329-336.
Dalenius, T. and Reiss, S.P. (1978). Data-swapping: A technique for disclosure control. Preceedings of the Section on Survey Research Methods, American Statistical Association, Washington DC, USA, 191-194.
Dalenius, T. and Reiss, S.P. (1982). Data-swapping: A technique for disclosure control. Journal of Statistical Planning and Inference, 6, 73-85.
Duncan, G. and Lambert, D. (1989). The risk of disclosure for microdata. Journal of Business and Economic Statistics, 7, 207-217.
Duncan, G. T., Elliot, M. and Slazar-Gonzalez, J. (2011). Statistical confidentiality principles and practice statistics for social and behavioral sciences, Springer, New York, NY, USA.
Dwork, C. (2006). Differential privacy. In 33rd International Colloquium on Automata, Languages and Programming, Part II (ICALP 2006), Springer, Venice, Italy, 1-12.
Fienberg, S. E. and McIntyre, J. (2004). Data swapping: Variations on a theme by Dalenius and Reiss. In PSD 2004, Lecture Notes on Computer Science, edited by J. Domingo-Ferrer and V. Torra, Springer, New York, NY, USA, 14-29.
Gomatam, S., Karr, A. F., Reiter, J. P.and Sanil, A. P. (2008). Data dissemination and disclosure limitation in a world without microdata: A risk-utility framework for remote access analysis servers. Statistical Science, 20, 163-177.
Li, N., Li, T. and Venkatasubramanian, S. (2007). t-closeness: Privacy beyond k-anonymity and l-diversity. In ICDE 2007, IEEE 23rd International Conference on Data Engineering, 106-115.
Machanavajjhala, A., Kifer, D., Gehrke, J. and Venkitasubramaniam, M. (2007). L-diversity: Privacy beyond k-anonymity. ACM Transactions on Knowledge Discovery from Data, 1, 3-20.
Marsh, C., Skinner, C., Arber, S., Penhale, B., Openshaw, S., Hobcraft, J., Lievesley, D., Walford, N. (1991). The case for samples of anonymized records from the 1991 census. Journal of the Royal Statistical Society A, 154, 305-340.
Matthews. G. J. and Harel, O. (2011). Data confidentiality: A review of methods for statistical disclosure limitation and methods for assessing privacy. Statistics Surveys, 5, 1-29.
Narayanan, A. and Shmatikov, V. (2007). How to break anonymity of the Netflix Prize dataset, preprint in http://arxiv.org/.
Nissim, K., Raskhodnikova, S. and Smith, A. (2007). Smooth sensitivity and sampling in private data analysis. In STOC 07, Proceedings of the thirty-ninth annual ACM symposium on Theory of computing, ACM, New York, NY, USA, 75-84.
Paass, G. (1988). Disclosure risk and disclosure avoidance for microdata. Journal of Business and Economic Statistics, 6, 487-500.
Reiss, S. P. (1984). Practical data-swapping: The first step. ACM Transactions on database systems, 9, 20-37.
Reiter, J.P. (2005). Estimating risks of identification disclosure in microdata. Journal of the American Statistical Association, 100, 1103-1112.
Skinner, C. J., Marsh, C., Openshaw, S. and Wymer, C. (1994). Disclosure control for census microdata. Journal of Official Statistics, 10, 31-51.
Skinner, C. J. and Elliot, M.J. (2002). A measure of disclosure risk for microdata. Journal of the Royal Statistical Society B, 64, 855-867.
Skinner, C. and Shlomo, N. (2008). Assessing identification risk in survey micro-data using log-linear models. Journal of the American Statistical Association, 103, 989-1001.
Sweeney, L. (2002). k-anonymity: A model for protecting privacy. International Journal of Uncertainty, Fuzziness and Knowledge Based Systems, 10, 557-570.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
Copyright KISTI. All Rights Reserved.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.