Tanszékcsoporti szeminárium

Adatbányászati, információkinyerési és más kutatások során
sokszor merül fel az a kérdés, hogy egy tekintett adatállomány
vajon anonim-e, vagy pedig összekapcsolható természetes
személyekkel és ezért személyes adatról beszélhetünk. Az
adatvédelmi törvény csak kétféle adatot ismer, személyeset
és személyazonosításra alkalmatlant. A valóság azonban mint
annyiszor itt is a kettő között található.
Előadásomban bemutatnám a Latanya Sweeney által bevezetett
újra azonosítási kockázatot, néhány emlékezetes adatállomány
feltörési esetet, valamint a k-anonimitás fogalmát, illetve
módszereket arra, hogy csökkenthető az újra-azonosítási kockázat.
Ismertetném a magyar népességnyilvántartó hivatal adatállományával
kapott eredményeimet a születési dátum/lakóhely irányítószáma/nem
adatok eloszlásáról. Natarajan és Shmatikov vizsgálta a rendszeres,
de véletlen időpontokban végzett cselekvések - moziba járás -
időpontjainak eloszlását és eredményük szerint három ismert
időpont a lakosság jelentős hányadát azonosítja és ezért csak a
dátumok alapján is feltörhetők ilyen adatbázisok. Az eredményt
szeretném ellenőrizni az ÁEEK-tól kapott járóbeteg-ellátási események
adatbázison.