論文の概要: Information Leakage in Data Linkage

• arxiv url: http://arxiv.org/abs/2505.08596v1
• Date: Tue, 13 May 2025 14:09:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.599984
• Title: Information Leakage in Data Linkage
• Title（参考訳）: データリンクにおける情報漏洩
• Authors: Peter Christen, Rainer Schnell, Anushka Vidanage,
• Abstract要約: PPRLプロトコルは、機密情報の意図しない漏洩を引き起こす可能性があることを示す。 脆弱性を特定して防止するために、データカストディアンやデータリンクプロジェクトに関わる他の関係者を支援するためのレコメンデーションを提供します。
• 参考スコア（独自算出の注目度）: 2.4824510650418308
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The process of linking databases that contain sensitive information about individuals across organisations is an increasingly common requirement in the health and social science research domains, as well as with governments and businesses. To protect personal data, protocols have been developed to limit the leakage of sensitive information. Furthermore, privacy-preserving record linkage (PPRL) techniques have been proposed to conduct linkage on encoded data. While PPRL techniques are now being employed in real-world applications, the focus of PPRL research has been on the technical aspects of linking sensitive data (such as encoding methods and cryptanalysis attacks), but not on organisational challenges when employing such techniques in practice. We analyse what sensitive information can possibly leak, either unintentionally or intentionally, in traditional data linkage as well as PPRL protocols, and what a party that participates in such a protocol can learn from the data it obtains legitimately within the protocol. We also show that PPRL protocols can still result in the unintentional leakage of sensitive information. We provide recommendations to help data custodians and other parties involved in a data linkage project to identify and prevent vulnerabilities and make their project more secure.
• Abstract（参考訳）: 組織全体にわたる個人に関する機密情報を含むデータベースをリンクするプロセスは、医療・社会科学研究領域や政府や企業において、ますます一般的な要件となっている。 個人情報を保護するため、機密情報の漏洩を制限するプロトコルが開発された。 さらに、プライバシ保護記録リンク(PPRL)技術は、符号化されたデータ上でリンクを行うために提案されている。 PPRL技術は現在、現実世界のアプリケーションで採用されているが、PPRL研究の焦点は、機密データ(エンコーディング方法や暗号解析攻撃など)をリンクする技術的な側面に向けられている。 我々は、従来のデータリンクやPPRLプロトコルにおいて、意図的または意図的に、機密情報が漏洩する可能性のあるものは何か、また、そのようなプロトコルに参加する当事者がプロトコル内で正当に取得したデータから何を学ぶことができるのかを分析する。 また、PPRLプロトコルが機密情報の意図しない漏洩を引き起こすことも示している。 私たちは、データカストディアンや他の関係者がデータリンクプロジェクトに関与し、脆弱性を特定して予防し、プロジェクトをよりセキュアにするのを支援するためのレコメンデーションを提供します。

関連論文リスト

• A False Sense of Privacy: Evaluating Textual Data Sanitization Beyond Surface-level Privacy Leakage [77.83757117924995]
  我々は、データリリース時の個人のプライバシーリスクを定量化するために、再識別攻撃を評価する新しいフレームワークを提案する。 本手法は, 衛生データから年齢や物質使用履歴などのセンシティブな属性を推測するために, 一見無害な補助情報を利用できることを示す。
  論文  参考訳（メタデータ） (2025-04-28T01:16:27Z)
• Poisoning Attacks to Local Differential Privacy Protocols for Trajectory Data [14.934626547047763]
  地理的な位置からの動きを追跡するトラジェクトリデータは、現実世界のアプリケーションを改善するために不可欠である。 ローカルディファレンシャルプライバシ(LDP)は、個人が自分の軌跡データを共有する前に局所的に摂動できるようにするソリューションを提供する。 プライバシー上の利点にもかかわらず、LDPプロトコルはデータ中毒攻撃に対して脆弱であり、攻撃者は偽のデータを注入して集約された結果を操作する。
  論文  参考訳（メタデータ） (2025-03-06T02:31:45Z)
• Data Poisoning Attacks to Locally Differentially Private Range Query Protocols [15.664794320925562]
  ローカル微分プライバシー(LDP)は、分散データ収集においてユーザのプライバシを保護するために広く採用されている。 近年の研究では、LDPプロトコルがデータ中毒攻撃に弱いことが判明している。 本稿では LDP 範囲のクエリプロトコルをターゲットとしたデータ中毒攻撃に関する最初の研究について述べる。
  論文  参考訳（メタデータ） (2025-03-05T12:40:34Z)
• VPAS: Publicly Verifiable and Privacy-Preserving Aggregate Statistics on Distributed Datasets [4.181095166452762]
  プライバシ保護アグリゲーションプロトコルにおける入力検証と公開検証の課題について検討する。 これらの要件を満たす「VPAS」プロトコルを提案する。 本研究は,従来のzkSNARKを用いた場合に比べて,本プロトコルの妥当性に関するオーバーヘッドが10倍低いことを示す。
  論文  参考訳（メタデータ） (2024-03-22T13:50:22Z)
• A Survey and Comparative Analysis of Security Properties of CAN Authentication Protocols [92.81385447582882]
  コントロールエリアネットワーク(CAN)バスは車内通信を本質的に安全でないものにしている。 本稿では,CANバスにおける15の認証プロトコルをレビューし,比較する。 実装の容易性に寄与する本質的な運用基準に基づくプロトコルの評価を行う。
  論文  参考訳（メタデータ） (2024-01-19T14:52:04Z)
• Distributed Machine Learning and the Semblance of Trust [66.1227776348216]
  フェデレートラーニング(FL)により、データ所有者はデータを共有することなく、データガバナンスを維持し、モデルトレーニングをローカルで行うことができる。 FLと関連する技術は、しばしばプライバシー保護と表現される。 この用語が適切でない理由を説明し、プライバシの形式的定義を念頭に設計されていないプロトコルに対する過度な信頼に関連するリスクを概説する。
  論文  参考訳（メタデータ） (2021-12-21T08:44:05Z)
• Reinforcement Learning on Encrypted Data [58.39270571778521]
  本稿では,DQNエージェントが,離散的かつ連続的な状態空間を持つ環境でどのように動作するかを予備的,実験的に検討する。 その結果,非決定論的暗号が存在する場合でも,エージェントは依然として小さな状態空間で学習することができるが,より複雑な環境では性能が低下することがわかった。
  論文  参考訳（メタデータ） (2021-09-16T21:59:37Z)
• Privacy and Data Balkanization: Circumventing the Barriers [0.0]
  プライバシの懸念と法則は、異なるデータセットを共有したり、組み合わせたりする際の大きなオーバーヘッドにつながっています。 統合データの利点がまだ明確でない新しいアプリケーションでは、このオーバーヘッドは組織がデータの共有から相互に利益を得られるかどうかを判断することさえ妨げます。 我々は、データ共有のメリットがあるかどうか、許容価格を交渉する余地があるかどうかを判断するために、プライベート情報転送を利用することで、この難しさを克服する手法について議論する。
  論文  参考訳（メタデータ） (2020-10-07T22:05:28Z)
• BeeTrace: A Unified Platform for Secure Contact Tracing that Breaks Data Silos [73.84437456144994]
  接触追跡は、新型コロナウイルスなどの感染症の拡散を制御する重要な方法である。 現在のソリューションでは、ビジネスデータベースや個々のデジタルデバイスに格納された大量のデータを利用できません。 データサイロを破り、プライバシーの目標を保証するために最先端の暗号化プロトコルをデプロイする統合プラットフォームであるBeeTraceを提案する。
  論文  参考訳（メタデータ） (2020-07-05T10:33:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。