权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Weiterentwicklung nicht-parametrischer Imputationsverfahren zur Erstellung anonymisierter synthetischer Datensätze

进一步开发非参数插补方法以创建匿名合成数据集

基本信息

批准号：
171106931
负责人：
Dr. Jörg Drechsler
金额：
--
依托单位：
Institut für Arbeitsmarkt- und Berufsforschung der Bundesagentur für Arbeit (BA)
依托单位国家：
德国
项目类别：
Research Fellowships
财政年份：
2010
资助国家：
德国
起止时间：
2009-12-31 至无数据
项目状态：
未结题

来源：
https://gepris.dfg.de/gepris/projekt/171106931?language=en
关键词：
Weiterentwicklung nicht parametrischer Imputationsverfahren zur

项目摘要

Die Nachfrage nach direktem Zugang zu Mikrodaten ist den letzten Jahren deutlich gestiegen. Allerdings ist eine Herausgabe der Daten nur möglich, wenn sichergestellt ist, dass durch die Bereitstellung der Datenschutz nicht verletzt wird. Ein innovativer Ansatz um dies zu gewährleisten, ist die Erzeugung synthetischer Datensätze. Bei diesem Verfahren werden die Originalwerte durch künstliche Werte ersetzt, wobei versucht wird, die gemeinsame Verteilung der im Datensatz enthaltenen Variablen zu erhalten. Allerdings ist die Erstellung dieser Datensätze sehr zeitaufwendig und komplex, so dass viele Institutionen nicht die Kapazitäten bereitstellen können, um diesen Ansatz für ihre eigenen Datensätze einzusetzen. Nicht-parametrische Verfahren, die eine weitgehend automatisierte Erzeugung synthetischer Datensätze ermöglichen, könnten diesen Aufwand deutlich reduzieren. Erste Ideen dazu wurden bereits in den Arbeiten von Reiter (2005d) dargelegt. Ziel des Forschungsvorhabens ist es, andere nicht-parametrische Prognoseverfahren so weiter zu entwickeln, dass sie sich zur Erstellung synthetischer Datensätze eignen und die Möglichkeiten einer automatisierten Anonymisierung anhand eines komplexen Datensatzes zu testen.

直接从微数据库中提取的Nachfrage是近几年来的德国管理者。所有这些都是对数据的一种简单的理解，如果我们知道的话，那么数据的保护就不会被破坏。一个创新的附件是一个综合数据集。Bei diesem Verfahren韦尔登die Originalwerte durch künstliche Werte ersetzt，wobei versucht wird，die gemeinsame Verteilung der im Datenetrabtenen Variablen zu erhalten. Allerdings ist die Erstellung dieser Datensätze sehr zeitaufwendig und komplex，so dass viele Institutionen nicht die Kapazitäten bereitstellen können，um diesen Answer für ihre eigenen Datensätze einzusetzen. Nicht-parametrische Verfahren，die eine weitgethend automatisierte Erzeugung synthetischer Datensätze ermöglichen，könnten diesen Aufwand deutlich reduzieren.第一个想法是在赖特的工作中（2005年d）。Ziel des Forschungsvorhabens is es，and ere nicht-parametrische Prognoservefahren so weiter zu entwickeln，dass sie sich zur Erstellung synthetischer Datensätze eignen and die Möglichkeiten einer automatisierten Anonymisierung anhand eines komplexen Datensatzes zu testen.