レコードの削除や追加を必要としない匿名加工手法の提案

提出不需要删除或添加记录的匿名方法

• 批准号: 21J13050
• 负责人: 伊藤 聡志
• 金额: $ 0.96万
• 依托单位: Meiji University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-28 至 2023-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21J13050/
• 关键词: 匿名化; k-anonymity; k-concealment; 位置情報データ; 世帯収入データ; 2部グラフ; 完全マッチング; 再識別

ビッグデータは利活用することによって大きな利益を生むことができるが，それと同時に非常に危険なものでもあり，データから個人が特定されてしまうリスクがある．個人を識別できないようにデータを加工することを匿名化といい，代表的な匿名化技術にk-匿名化がある．k-匿名化は，データ内の少なくともk人の個人の区別がつかない状態（k-anonymity）にデータを加工する手法であるが，kの値によってはある個人/レコードの削除や，存在しないダミー個人/レコードの追加が必要となる場合がある．しかし，顧客/レコードの削除やダミー顧客/レコードの追加はデータの有用性を大きく下げるため，これらを必要としないk-匿名化手法が必要である．本研究の目的は，個人/レコードの追加や削除を必要としない，最適なk-匿名化手法の提案である．本研究では，この目的を達成するためにk-concealment指標に注目した．k-concealmentを満たすように加工されたデータは，k-匿名化されたデータと同等の安全性を持ちながら，さらに有用性を向上することができる．本研究では，データをk-concealment化するための3つのアルゴリズムを提案し，これらの性能を評価する実験を行った．その結果，巡回セールスマン問題の近似解法を加工アルゴリズムに応用できることなどが明らかになった，本研究で提案した手法を用いることにより，個人/レコードの追加/削除をすることなく，データを「少なくともk人の区別がつかない」状態に加工することができる．本手法はレコード数と個人数が等しいならばどのようなデータに対しても適応可能であり，なかでも近い距離に多くの個人が分布しているデータに対しては，クラスタリングを組み合わせると加工コストの向上が期待できる．上記の結果について，2021年10月に開催された学会であるCSS 2021にて発表を行った．

ビ ッ グ デ ー タ は, use す る こ と に よ っ て big き な interests を raw む こ と が で き る が, そ れ と に at the same time very に dangerous 険 な も の で も あ り, デ ー タ か ら personal が specific さ れ て し ま う リ ス ク が あ る. Personal を recognition で き な い よ う に デ ー タ を processing す る こ と を anonymize と い い, representative な anonymous technology に k - anonymize が あ る. K - anonymous は, デ ー タ の within less な く と も k の personal の difference が つ か な い state (k - anonymity) に デ ー タ を processing す る gimmick で あ る が, k の numerical に よ っ て は あ る individual / レ コ ー ド の pruned や, exist し な い ダ ミ ー individual / レ コ ー ド の additional が necessary と な る occasions が あ る. し か し, customer / レ コ ー ド の pruned や ダ ミ ー customer / レ コ ー ド の additional は デ ー タ の usefulness を big き く under げ る た め, こ れ ら を necessary と し な い k - anonymize gimmick が necessary で あ る. The purpose of this study is である, and the individual /レコ ド ド <s:1> adds や to remove を necessary と な な な, and the optimal な k-anonymization method である proposal である. The objective of this study is で, に, を, を to achieve するためにk-concealment indicators に to focus on た. K - concealment を against た す よ う に processing さ れ た デ ー タ は, k - anonymize さ れ た デ ー タ と equal の security を hold ち な が ら, さ ら に usefulness を upward す る こ と が で き る. This study で は, デ ー タ を k - concealment the す る た め の 3 つ の ア ル ゴ リ ズ ム を proposal し, こ れ ら の を performance evaluation 価 す る be 験 を line っ た. そ の as a result, the circuit セ ー ル ス マ ン approximation solution を の problems processing ア ル ゴ リ ズ ム に 応 with で き る こ と な ど が Ming ら か に な っ た, this study proposed で し た gimmick を with い る こ と に よ り, individual / レ コ ー ド の add/remove を す る こ と な く, デ ー タ を "little な く と も k people の difference が つ か な い" state に processing す る こ と が で き る. This technique は レ コ ー ド number と a toll が し い な ら ば ど の よ う な デ ー タ に し seaborne て も optimum 応 may で あ り, な か で も に is nearly い distance く の personal が distribution し て い る デ ー タ に し seaborne て は, ク ラ ス タ リ ン グ を group み close わ せ る と processing コ ス ト の upward が expect で き る. In October 2021, に initiated an activity to された learn であるCSS. In 2021, にて released a form to を conduct った.

项目成果

完全k-concealment匿名化を求める精度の高いアルゴリズムの評価

完全 k 隐藏匿名化的高精度算法评估

• 发表时间: 2021
• 作者: 伊藤聡志;菊池浩明
• 通讯作者: 菊池浩明

菊池研究室 伊藤聡志 研究業績一覧

菊池实验室伊藤聪研究成果一览

Web Crawler for an Anonymously Processed Information Database

用于匿名处理信息数据库的网络爬虫

• 发表时间: 2021
• 作者: Kikuchi H.;Ono A.;Ito S.;Fujita M.;Yamanaka T.
• 通讯作者: Yamanaka T.

個人情報の識別リスク評価に基づいた匿名化に関する研究

基于个人信息识别风险评估的匿名化研究

• 发表时间: 2022
• 期刊: 明治大学大学院2021年度博士学位請求論文
• 作者: Sano Michiya;Komiyama Hiromu;Shinoda Riina;Ozawa Ren;Watanabe Hiroyuki;Karasawa Tadayoshi;Takahashi Masafumi;Torii Yasushi;Iwata Hisataka;Kuwayama Takehito;Shirasuna Koumei;伊藤聡志
• 通讯作者: 伊藤聡志

Estimation of cost of k-anonymity in the number of dummy records

虚拟记录数量中 k 匿名成本的估计

• DOI: 10.1007/s12652-021-03369-5
• 发表时间: 2022
• 期刊: Journal of Ambient Intelligence and Humanized Computing
• 作者: Ito Satoshi;Kikuchi Hiroaki
• 通讯作者: Kikuchi Hiroaki