哪些是私密信息？为何重要？

Python 中的数据隐私与匿名化

Rebeca Gonzalez

Data engineer

Facebook 与 Cambridge Analytica 丑闻

数据隐私的影响

  • 未授权访问了 8700 万人的个人信息
  • 构建美国选民的心理画像
  • 在政治竞选中进行劝导

马克·扎克伯格在法庭上面对未遵守数据隐私权的后果

Python 中的数据隐私与匿名化

什么是隐私？

街上行走的人们

Python 中的数据隐私与匿名化

信息流与隐私

在人行道上对一位女性应用人脸识别的图像，同时其头顶有 GPS 图标

Python 中的数据隐私与匿名化

信息流与隐私

  • 您的个人信息如何流动

 

"确保信息流符合社会与法律规范的能力。"

在人行道上对一位女性应用人脸识别的图像，同时其头顶有 GPS 图标

Python 中的数据隐私与匿名化

个人可识别信息（PII）

单独或与其他相关数据结合即可识别个人的数据。

带有填写个人信息空间的纸质表格和一支笔

Python 中的数据隐私与匿名化

敏感 PII

  • 明确指向某个人
  • 暴露可能导致伤害、尴尬或不便

一名男子，周围弹窗显示看似个人信息的绘图

Python 中的数据隐私与匿名化

敏感 PII

  • 全名
  • 社会安全号码（SSN）
  • 财务信息
  • 医疗记录

展示不遵守法规时最高罚款的 GDPR 图片

Python 中的数据隐私与匿名化

非敏感 PII

无法单独用于追溯到个人的数据

  • 性别
  • 职业
  • 邮政编码
  • 出生城市
Python 中的数据隐私与匿名化

非敏感 PII

无法单独用于追溯到个人的数据，如性别、职业、邮政编码或出生城市。

  • 性别
  • 职业
  • 邮政编码
  • 出生城市
仍可与其他信息结合识别个人！

文字"欧洲政府首脑"和一个出生日期，并有线条指向安格拉·默克尔的脸

1 安格拉·默克尔照片来自维基共享资源。
Python 中的数据隐私与匿名化

GDPR：欧盟通用数据保护条例

保护居住在欧洲或其数据在欧洲被处理的人的 PII。

GDPR 的关键原则

  1. 合法、公平与透明
  2. 目的限制
  3. 数据最小化
  4. 准确性
  5. 存储限制

点击了解更多

展示不遵守法规时最高罚款的 GDPR 图片

Python 中的数据隐私与匿名化

数据抑制

为保护受试者隐私而去除选定信息。

属性抑制
  • 整列删除
单元格/记录抑制
  • 删除或替换行/单元格中的数据
Python 中的数据隐私与匿名化

数据集上的属性抑制

# Attribute suppression on Sensitive PII "name"
suppressed_salaries = salaries.drop('name', axis="columns")


# Explore obtained dataset
suppressed_salaries.head()

     gender    status    salary     pay_basis    position_title
0    Male    Employee    64400.0    Per Annum    DEPUTY DIRECTOR
1    Male    Employee    43600.0    Per Annum    ASSOCIATE DIRECTOR
2    Male    Employee    120000.0   Per Annum    SPECIAL ASSISTANT TO THE PRESIDENT AND DEPUTY ...
3    Male    Employee    86200.0    Per Annum    LEAD ADVANCE REPRESENTATIVE
4    Male    Employee    106000.0   Per Annum    SPECIAL ASSISTANT TO THE PRESIDENT AND DIRECTO...
Python 中的数据隐私与匿名化

数据集上的记录抑制

# Explore the DataFrame
salaries.head()

      hours    performance    salary 
0     72       51             $80,500.00 
1     20       99             $2,805,000.00 
3     75       62             $75,800.00 
4     74       58             $60,000.00 
5     70       54             $79,000.00
Python 中的数据隐私与匿名化

数据集上的记录抑制

# Drop rows with salaries higher than 2,000,000
salaries = salaries.drop(salaries[salaries.Salary > 2000000].index)

# See reasulting DataFrame
salaries.head()

      hours    performance    salary 
0     72       51             80500 
2     75       62             75800 
3     74       58             60000 
4     70       54             79000 
5     68       53             62000
Python 中的数据隐私与匿名化

抑制与关联攻击

两张表：左侧为属性抑制后的医疗数据，右侧为选民登记数据，含部分相同字段

Python 中的数据隐私与匿名化

让我们来练习！

Python 中的数据隐私与匿名化

Preparing Video For Download...