Métodos estatísticos de proteção de dados condenciais sob a condição de Dierential Privacy
Carregando...
Arquivos
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Primeiro orientador
Membros da banca
Marcos Oliveira Prates
Pedro Olmo Stancioli Vaz de Melo
Pedro Olmo Stancioli Vaz de Melo
Resumo
A quantidade de dados produzidos no mundo digital tem crescido exponencialmente nas últimas décadas. Atentas a este fato, empresas e organizações não tem medido esforços para analisar toda essa gama de informação. Contudo, há um crescimento na preocupação acerca da privacidade da informação das pessoas. Nesse contexto, surge a àrea de data privacy, cujo objetivo é garantir anonimização das informações em bases de dados. Tendo em vista o problema exposto, este trabalho apresenta métodos para anonimização de variáveis binárias e categóricas, através de geração de bases sintéticas sob garantia de dierential privacy. Também apresentamos técnicas de inferência para lidar com esse tipo de dado. Inicialmente recriamos e complementamos o estudo de Charest (2011) no âmbito de variáveis binárias anonimizadas. Posteriormente, estendemos o modelo para variáveis de múltiplas categorias. Por m, aplicamos as técnicas de anonimização e inferenciais em uma base de dados da SUSEP(Superintendência de Seguros Privados) a respeito de roubos de carros e indenizações de seguradoras, para o ano de 2016 na região metropolitana de Belo Horizonte e Zona da Mata. Quanto aos resultados, observamos que há uma perda de informação quando utilizamos a metodologia de bases sintéticas sob garantia dedierential privacy. Porém, utilizando as técnicas apropriadas para fazer inferência podemos obter estimativas precisas.
Abstract
Theamountofdataproducedindigitalerahasincreasedinthelastdecades. Awareof this, companies and organizations have been making all necessary eorts to analyze this amount of information. However, the attention concerning privacy of individuals records is increasing. In this sense, the data privacy area emerges with the goal to guarantee users anonymity in researches. Given that, this work shows anonymization methods for binary and categorical data, using the concept of dierential privacy synthetic data. We also present inferential techniques to analyze this kind of data. First, we recreate and complement the scenarios proposed by Charest (2011) to binary anonymized data. We then extend the model to categorical variables. Lastly, we apply the anonymization and inferential techniques to a real dataset of car insurance claims in Brazil in 2016 for the metropolian region of Belo Horizonte and Zona da Mata. On the results, we noticed that there is some information loss when the methodology of dierential privacy synthetic data is applied. However, using the appropriate techniques to make inference can provide accurate estimates.
Assunto
Estatistica, Proteção de dados
Palavras-chave
Dados Sintéticos, Dierential Privacy, Data Privacy