Inference Control in Statistical Databases: From Theory to Practice

کنترل استنتاج در پایگاه‌های داده آماری، که به عنوان محدودیت افشای آماری یا محرمانه بودن آماری نیز شناخته می‌شود، در مورد یافتن معاوضه با تنش بین افزایش نیاز اجتماعی به داده‌های آماری دقیق و الزام قانونی و اخلاقی برای محافظت از حریم خصوصی افراد و شرکت‌ها است. منبع داده برای تولید آمار تکنیک‌هایی که توسط متجاوزان برای ایجاد استنتاج‌هایی که حریم خصوصی را به خطر می‌اندازند، به‌طور فزاینده‌ای از داده‌کاوی، پیوند رکورد، کشف دانش، و تجزیه و تحلیل داده‌ها استفاده می‌کنند و بنابراین کنترل استنتاج آماری به بخشی جدایی ناپذیر از علوم رایانه تبدیل می‌شود.
این نظرسنجی منسجم و پیشرفته. برخی از جدیدترین کارها در این زمینه را ارائه می دهد. مقالات ارائه شده همراه با مقدمه در بخش های موضوعی در مورد حفاظت از داده های جدولی، حفاظت از داده های کوچک، و نرم افزار و مطالعات موردی کاربر سازماندهی شده اند.

Inference control in statistical databases, also known as statistical disclosure limitation or statistical confidentiality, is about finding tradeoffs to the tension between the increasing societal need for accurate statistical data and the legal and ethical obligation to protect privacy of individuals and enterprises which are the source of data for producing statistics. Techniques used by intruders to make inferences compromising privacy increasingly draw on data mining, record linkage, knowledge discovery, and data analysis and thus statistical inference control becomes an integral part of computer science.
This coherent state-of-the-art survey presents some of the most recent work in the field. The papers presented together with an introduction are organized in topical sections on tabular data protection, microdata protection, and software and user case studies.