隐藏你的距离:隐私风险和空间可访问性分析中的保护

科学领域:

• 公共卫生 公共卫生
• 地理空间分析是什么
• 数据 隐私 数据 隐私 数据

背景情况:

• 评估医疗保健的空间可访问性对于公共卫生至关重要,特别是在疾病爆发期间.
• 将个人旅行数据共享用于可访问性分析,引发了重大隐私问题,包括潜在的个人信息披露.
• 现有的方法缺乏对敏感空间健康数据的强有力的隐私保护.

研究的目的:

• 调查与共享空间可访问性数据相关的隐私风险,特别是会员推断和地址推断.
• 开发和评估用于空间可访问性分析的新,可证明的私有算法.
• 确保空间可访问性数据的实用性,同时减轻隐私披露.

主要方法:

• 通过会员推断和地址推断在空间可访问性计算中调查信息泄露.
• 开发了两个具有可证明隐私保证的新算法.
• 评估了使用现实世界人口和医疗机构数据的算法,来自北卡罗来纳州麦克伦堡县和田纳西州纳什维尔.

主要成果:

• 与最先进的隐私实践相比,提出的算法有效地降低了会员资格的风险,并解决了披露的隐私问题.
• 证明了维护隐私的空间可访问性分析可以在没有显著的数据效用损失的情况下实现.
• 在真实数据集上的实证验证证了开发的隐私保护方法的有效性.

结论:

• 分享空间可访问性数据带来了固有的隐私风险,这些风险可以通过先进的算法方法来减轻.
• 开发的可证明私有算法为公共卫生领域的隐私保护空间可访问性分析提供了可行的解决方案.
• 这些方法使得更安全的数据共享能够为知情的公共卫生政策和干预设计提供帮助.