第7回マイニング探検会 #mitan （2010/10/22）

myrmecoleon @myrmecoleon

#mitan はじまた。

myrmecoleon @myrmecoleon

清田先生から前回言ってたプライバシー保護データマイニングのおはなし。 #mitan

myrmecoleon @myrmecoleon

データマイニングの現況。データ蓄積のコストが劇的に低下，マイニングのためのコンピュータ資源も容易に入手可能（PCの性能向上，クラウド），ツールも整備されてきた。 #mitan

myrmecoleon @myrmecoleon

一方で課題。データを使いやすい形で蓄積するのは困難。HDDの肥やしになってしまう。また簡単に有用な結果はでないので手数が必要。そしてプライバシー保護と，それによるデータの有用性のトレードオフが現在問題になっている。 #mitan

Kosuke Tanabe @nabeta

いまいったん自宅に戻りました。これから向かいます #mitan

myrmecoleon @myrmecoleon

プライバシー保護。個人情報保護法，業界ごとの倫理規定。プライバシー≠個人情報 #mitan

ono.wataru @wonox

2回休んだので久しぶりの参加 #mitan

Yamasak!R!uta(未完成人) @incomplete_P

確かに､一本化されてないね｡ RT @myrmecoleon プライバシー保護。個人情報保護法，業界ごとの倫理規定。プライバシー≠個人情報 #mitan

myrmecoleon @myrmecoleon

こうした現状への疑問。プライバシー保護への定性的な議論は多くなされているが，定量的な議論が少ない。トレードオフの関係である以上，両者の比較のために定量化は不可欠。リスクマネジメントですね。個人情報を公開しないはプライバシー保護の十分条件でない。 #mitan

FUKUBAYASHI Yasuhiro @yashimaru

#mitan 8時までには着くかと。

myrmecoleon @myrmecoleon

プライバシー保護に関する例。「link attack」。まさちゅーせっつ州知事の医療記録が公開情報から特定可能だった。ZIP #mitan

myrmecoleon @myrmecoleon

公開されてる医療データ，選挙の投票者名簿にはそれぞれ ZIPコード（郵便番号），誕生日，性別が記載されている。これをマッチングすると医療データの中の知事のデータを特定することができてしまう。 #mitan

110kA／いとか @lib110ka

公開情報の1つずつのグループを見るだけでは特定はできないが、複数のグループをつきあわせると個人が特定できることがある #mitan

@bammy0715

Ust参加者の方、音声はいかがでしょうか？今後のために教えてください。 #mitan (Broadcasting live at http://ustre.am/gs75)

myrmecoleon @myrmecoleon

複数の組織がそれぞれプライバシーについてのクリティカルなデータ（名前，住所など）をもっている。それを必要最小限の範囲（microdata）にサニタイズする仕組みもあるが，それでも「link attack」でデータを組み合わせるによって特定できてしまう場合がある。 #mitan

myrmecoleon @myrmecoleon

郵便番号のようなありふれたデータから個人を特定できてしまう状況で，その個人のセンシティブなデータ（病歴等）と紐付されてしまうことを防がないといけない。 #mitan

myrmecoleon @myrmecoleon

k-anonymity(k-匿名性)。ある個人が同一の属性をもつk-1人の中に紛れこませられる，という基準。それによりlink attackでも1/kでしか特定できなくする。このkの人数から匿名性を評価する匿名化手法。 #mitan

myrmecoleon @myrmecoleon

匿名化手法：一般化。階層的な性質をもつデータは上位の抽象的なデータ（例. 生年＞生年月＞生年月日）だけを公開する。／抑圧。特異性のあるデータ項目は削除する。 #mitan

myrmecoleon @myrmecoleon

k-匿名性の問題点。上手く個人を隠したつもりでも，任意の病気がどの人種に起こりやすいか，などの背景知識から，個人が特定できる場合もある。 #mitan

myrmecoleon @myrmecoleon

そこで l-多様性 という発想がある。あるグループないで少なくともl種類のセンシティブなデータがある状態，らしい。そろそろ理解が追い付かなくなってきた； #mitan

myrmecoleon @myrmecoleon

t-closeness 。ある属性の値の量に偏りがある（aとbが必ずあるけど99%と1%だとか）になる場合をなくす などいろいろな手法がある。 #mitan

myrmecoleon @myrmecoleon

まとめ。プライバシー保護は「情報を公開しない」だけでは実現できない。公益のために公開が必須の情報もあるが，それを組み合わせることでプライバシーが侵害されることもある。一方で，法の精神に従うなら柔軟に考えてよい部分も。知る自由 #mitan

myrmecoleon @myrmecoleon

すごい内容が濃すぎて消化が追い付かない感じ； #mitan

myrmecoleon @myrmecoleon

質疑応答。日本国内ではほとんど事例はないらしい。まだ契約で提供した個人情報を漏洩しない，などしか行われていない。 #mitan

myrmecoleon @myrmecoleon

どういうふうにすれば政府を説得して情報を公開させるか，みたいな話。有用性のあるデータを適度に伏せた状態で公開すること自体が（まったく公開しないことよりも）プライバシーの保護になるのではないか。情報を盗むインセンティブが無くなる。 #mitan