NIELSEN CASTELO DAMASCENO

2013

Microagragação

Sumário

IntroduçãoSDCMicroagregaçãoMedida de perda de informaçãoAlgoritmo MDAVAplicação da microagregaçãoReferências

Introdução

Informações estatística é um bem fundamental nas sociedades modernas.

Serviços de estatísticas divulgam Microdados Dados tabulares Macrodados

Necessidade da clarificação das informações e a confidencialidade dos dados.

SDC

Controle de divulgação estatística (CDE) ou em inglês Statistical Disclosure Control (SDC).

Minimizar os risco de divulgação sem alterar de forma significativa os dados.

Oferecer o máximo de informações possível à sociedade e minimizar o risco da divulgação.

Métodos de mascaramento ou anonimização. Métodos perturbativos Métodos não perturbativos

Perturbativos

Servem para modificar os valores das variáveis de identificação ou confidenciais.

Variáveis confidenciais: salário, religião, filiação política, estado de saúde.

Não Perturbativos

Não alteram os valores da variáveis.Domingo-Ferrer e Torra (2001) proporão uma

redução de detalhe no conjunto de dados originais.

Microdados

Informações individuais associado a uma pessoa, família ou empresa.

As variáveis existentes em um arquivo de microdados individuais são: sexo, idade, ocupação, país de nascimento

No caso de microdados de uma empresa: atividade econômica, número de empregados, etc.

Tipos de arquivos de microdados

FUP• Arquivo de uso público

AI• Arquivo de investigação

Microagregação

Para Domingo-Ferrer e Torra (2001), na microagregação os registros são agrupados em pequenos grupos, de pelo menos k.

Para um dado registro em vez de publicar a variável original , publica-se a média dos valores de do grupo ao qual pertence.

Método: Permitem a divulgação do conjunto de microdados se, nos registros correspondentes ao grupo de k ou mais indivíduos não houver nenhum indivíduo dominante. E se k é o valor limite.

Os grupos devem ser o mas homogéneos possível.

Microagregação

Grupos: Fixo Variável

Mateo-Sanz e Domingo-Ferre (1999) optaram investigar métodos de microagregação de conjunto de dados homogéneos.

Hansen e Mukherjee (2003) optaram por grupos fixo.

Os grupos devem ser o mas homogéneos possível.

Microagregação

Dado um conjunto de microdados com variáveis contínuas e registros (indivíduos), em que um registro particular pode ser visto como, , são variáveis.

São formados grupos com indivíduos no i-ésimo grupo, e

representa o j-ésimo registro do i-ésimo grupo.

média do registro do i-ésimo grupo. média do conjunto de indivíduos.

Medida de perda de Informação

Maior a homogeneidade do grupo, menor a perda da informação.

Maior a homogeneidade do grupo, menor é a soma dos quadrados.

Microagregação

Domingo-Ferrer e Sebé (2006) disseram que microagregação pode ser modelado como um problema de clusters.

Objetivo: agrupar dados em grupo de dimensão igual a k e o mais homogêneo possível.

Dados parâmetros k:1. Particionar os registros X em grupos de

registros de pelo menos n registro cada.2. Substituir cada registro pelo centroide do

grupo para obter um conjunto de dados mascarado X’.

Microagregação

Conjunto de idade de 9 respondentes. Microagregados com .

Microagregação

Medida de perda de Informação

𝐼𝐿=𝑆𝑆 𝐸 /𝑆𝑆𝑇

𝑆𝑆𝑇 =∑𝑖=1

𝑛

(𝑥 𝑖−𝑥 ) ′ (𝑥 𝑖−𝑥 )

𝑥= 1𝑛∑

𝑖=1

𝑛

𝑥 𝑖

Algoritmo MDAV

MDAV (Maximum Distance to Average Vector)

Microagregação

Exemplo proposto por Domingo-Ferrer et al (2006)

Microagregação

Exemplo proposto por Domingo-Ferrer et al (2006)

Microagregação

Exemplo proposto por Domingo-Ferrer et al (2006)

Referências

Domingo-Ferrer, J., Martínez-Ballesté J., Mateo-Sanz, Sebé F. (2006), ‘Efficient multivariate data-oriented microaggregation’, The VLDB Journal, Springer-Verlag.

Aggawal C. C., Yu S. P (2008), ‘Privacy-Preserving Data Mining: Models and Algorithms’, Spring, New York.

M. Solé, V. Muntés-Mulero, J. Nin, (2012), Efficient microaggregation techniques forlarge numerical data volumes, Int. J. Inform. Secur. 11 (4) 253–267.

C. Panagiotakis, G. Tziritas, (2013), Successive group selection for microaggregation,IEEE Trans. Knowl. Data Eng. 25 (5) 1191–1195.