阶级性访问研究数据用于二次分析.
John E Marcotte1, Sarah Rush1, Kelly Ogden-Schuette1
1University of Michigan.
概括
由于重新识别风险增加,传统的公开或受限制的数据访问是不够的. 这项研究提出了七个数据访问层,以平衡研究需求与强有力的人类受试者保护.
科学领域:
- 数据科学数据科学数据科学
- 信息安全 信息安全
- 研究伦理学研究伦理学
背景情况:
- 研究数据的重新识别和损害风险越来越大,需要先进的访问控制.
- 目前的公开和受限制访问模式对于细微的数据保护是不够的.
- 确保人类受试者的保护需要更复杂的数据访问管理.
研究的目的:
- 引入一个分层的研究数据访问系统.
- 为减轻披露风险和确保数据管理提供一个框架.
- 解决二进制数据访问分类的局限性.
主要方法:
- 开发研究数据的七层访问控制模型.
- 定义在每个层级对数据访问的要求不断增加,以减轻风险.
- 建立适当数据处理和披露保护的标准.
主要成果:
- 拟议的七层系统提供了对研究数据访问的细分控制.
- 每个较高的级别都包含了对数据安全和管理的更严格要求.
- 最高层确保了最大的安全性,但可能会限制研究的可访问性.
结论:
- 多层次的访问系统对于平衡数据可访问性和参与者保护至关重要.
- 存储库必须实施细微的访问控制,以支持研究,同时尽量减少损害.
- 拟议的框架加强了数据安全,防止重新识别和滥用.


