Privacy-preserving data sharing via probabilistic modeling

Joonas Jälkö*, Eemil Lagerspetz, Jari Haukka, Sasu Tarkoma, Antti Honkela, Samuel Kaski

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

3 Lataukset (Pure)

Abstrakti

Differential privacy allows quantifying privacy loss resulting from accession of sensitive personal data. Repeated accesses to underlying data incur increasing loss. Releasing data as privacy-preserving synthetic data would avoid this limitation but would leave open the problem of designing what kind of synthetic data. We propose formulating the problem of private data release through probabilistic modeling. This approach transforms the problem of designing the synthetic data into choosing a model for the data, allowing also the inclusion of prior knowledge, which improves the quality of the synthetic data. We demonstrate empirically, in an epidemiological study, that statistical discoveries can be reliably reproduced from the synthetic data. We expect the method to have broad use in creating high-quality anonymized data twins of key datasets for research.

AlkuperäiskieliEnglanti
Artikkeli100271
Sivumäärä10
JulkaisuPatterns
Vuosikerta2
Numero7
DOI - pysyväislinkit
TilaJulkaistu - 9 heinäkuuta 2021
OKM-julkaisutyyppiA1 Julkaistu artikkeli, soviteltu

Sormenjälki

Sukella tutkimusaiheisiin 'Privacy-preserving data sharing via probabilistic modeling'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä