Statistical Confidentiality: Principles and Practice

از آنجایی که محرمانگی آماری مسئولیت حفاظت از داده‌ها و اطمینان از استفاده مفید از آن‌ها برای مقاصد آماری را در بر می‌گیرد، افرادی که با داده‌های شخصی و اختصاصی کار می‌کنند می‌توانند از اصول و شیوه‌هایی که این کتاب ارائه می‌کند بهره‌مند شوند. محققان می توانند درک کنند که چرا آژانسی که داده های آماری را در اختیار دارد به خوبی به تقاضا پاسخ نمی دهد، «فقط داده ها را به من بدهید. من با آن فقط کارهای خوبی انجام خواهم داد.» آماردانان می توانند الزامات محرمانه بودن آماری را در روش شناسی خود برای جمع آوری و تجزیه و تحلیل داده ها بگنجانند. مباشران داده‌ها که بین مشتاقان داده‌ها و کسانی که نگران محرمانه‌بودن هستند گرفتار می‌شوند، می‌توانند از ابزار محرمانه بودن آماری برای رضایت هر دو گروه استفاده کنند. این هشت فصل معضل سازمان‌های نظارت بر داده (مانند آژانس‌های آماری) را در حل تنش بین حفاظت از داده‌ها در برابر جاسوسان و ارائه داده‌ها به کاربران قانونی، توضیح ریسک افشا و کشف انواع حملاتی که یک جاسوس داده ممکن است انجام دهد، ارائه می‌کند. روش‌های ارزیابی ریسک افشا، ارائه تکنیک‌هایی برای محدودیت افشای آماری داده‌های جدولی و ریز داده‌ها، شناسایی معیارهای تأثیر محدودیت افشا بر سودمندی داده‌ها، ارائه روش‌های دسترسی محدود به عنوان رویه‌های اداری برای کنترل افشا، و در نهایت بررسی آینده آماری محرمانه بودن جورج تی دانکن، استاد آمار، بازنشسته، دانشگاه کارنگی ملون است. او ریاست هیئت آکادمی ملی علوم را در زمینه محرمانگی و دسترسی به داده ها بر عهده داشت. مارک الیوت مدرس آمار اجتماعی در دانشگاه منچستر در بریتانیا، مشاور سازمان‌های نظارت بر داده در سراسر جهان و مخترع روش‌هایی برای ارزیابی ریسک افشا است. جی.جی. سالازار استاد آمار و تحقیقات عملیات در دانشگاه لا لاگونا (تنریف، اسپانیا) است. او در چندین پروژه تحقیقاتی اتحادیه اروپا و الگوریتم هایش برای حفاظت از داده های جدولی شرکت کرده است. از طریق نرم افزار τ-ARGUS در دسترس هستند. او دوره های حفاظت از داده ها را برای چندین اداره ملی آمار تدریس کرده است.

Because statistical confidentiality embraces the responsibility for both protecting data and ensuring its beneficial use for statistical purposes, those working with personal and proprietary data can benefit from the principles and practices this book presents. Researchers can understand why an agency holding statistical data does not respond well to the demand, “Just give me the data; I’m only going to do good things with it.” Statisticians can incorporate the requirements of statistical confidentiality into their methodologies for data collection and analysis. Data stewards, caught between those eager for data and those who worry about confidentiality, can use the tools of statistical confidentiality toward satisfying both groups. The eight chapters lay out the dilemma of data stewardship organizations (such as statistical agencies) in resolving the tension between protecting data from snoopers while providing data to legitimate users, explain disclosure risk and explore the types of attack that a data snooper might mount, present the methods of disclosure risk assessment, give techniques for statistical disclosure limitation of both tabular data and microdata, identify measures of the impact of disclosure limitation on data utility, provide restricted access methods as administrative procedures for disclosure control, and finally explore the future of statistical confidentiality. George T. Duncan is Professor of Statistics, Emeritus, Carnegie Mellon University. He chaired the National Academy of Sciences Panel on Confidentiality and Data Access. Mark Elliot is lecturer in social statistics at Manchester University in the UK, consultant to data stewardship organisations worldwide, and inventor of methods for assessing disclosure risk. J.J. Salazar is Professor of Statistics and Operations Research at University of La Laguna (Tenerife, Spain). He has participated in several EU research projects and his algorithms to protect tabular data. are available through the software τ-ARGUS He has taught courses on data protection for several national statistical offices.