Toward a 21st Century National Data Infrastructure: Managing Privacy and Confidentiality Risks with Blended Data (2024)

核心观点

• 混合数据的重要性与挑战： 混合数据（即来自多个来源的已收集数据）在改进分析质量、实现新分析、减轻公众负担和成本方面具有众多优势，但同时也带来了新的隐私和机密性挑战。
• 披露风险与管理： 混合数据在整个生命周期中（从构思到发布）都存在隐私和机密性风险，并且随着敏感变量的混合，这些风险可能会被放大。数据持有者拥有多种技术和政策工具来管理这些风险，例如安全多方计算 (SMC)、合成数据和差分隐私。
• 披露风险与数据效用之间的权衡： 没有任何数据发布方法可以保证零隐私和机密性风险，并且每种方法都会对数据效用产生影响。因此，在规划数据发布策略时，必须权衡披露风险、披露损害和数据效用。
• 动态模型的重要性： 现有的政策模式通常是 aspirational 和一般的，并且无法反映当前关于披露风险、风险与效用之间不可避免的妥协以及数据共享的最新知识。因此，需要一个动态的模型来管理风险，该模型允许随着时间的推移演变技术和政策方法，并对整个混合数据生命周期中的利益相关者做出反应。
• 分层访问： 分层访问是管理混合数据中披露风险和效用之间差异的关键组成部分，它反映了根据政策优先事项可接受的差异。
• 共同词汇： 需要一个共同的跨学科词汇来描述隐私和机密性风险和损害，以及数据效用，以便利益相关者之间进行有意义的讨论。
• 沟通与透明度： 有效的沟通与数据持有者和数据使用者可以帮助机构理解和更好地管理披露风险与效用之间的权衡。机构应在整个隐私和机密性保护策略的开发阶段强调透明度和沟通。
• 研究需求： 需要进一步研究以支持技术和政策方法来管理披露风险，特别是在以下方面：实践中的组合效应、获取利益相关者反馈以及向公众传达披露风险/效用权衡。

关键数据和研究结论

• 混合数据在证据建设和政策制定中发挥着关键作用，但必须解决其带来的隐私和机密性挑战。
• 存在多种技术和政策方法来管理混合数据中的披露风险，但需要根据具体情况选择最佳方法。
• 分层访问模型可以帮助机构根据数据敏感性和预期效用来管理数据访问。
• 需要一个共同的跨学科词汇来描述隐私和机密性风险和损害，以及数据效用。
• 机构应在整个混合数据生命周期中与利益相关者进行持续的沟通和合作。
• 需要进一步研究以解决混合数据中披露风险管理的空白，特别是在知情同意和研发计算和数据 (RCD) 工作force 方面。