Weiterentwicklung nicht-parametrischer Imputationsverfahren zur Erstellung anonymisierter synthetischer Datensätze

进一步开发非参数插补方法以创建匿名合成数据集

• 批准号: 171106931
• 负责人: Dr. Jörg Drechsler
• 金额: --
• 依托单位: Institut für Arbeitsmarkt- und Berufsforschung der Bundesagentur für Arbeit (BA)
• 依托单位国家: 德国
• 项目类别: Research Fellowships
• 财政年份: 2010
• 资助国家: 德国
• 起止时间: 2009-12-31 至 无数据
• 项目状态: 未结题
• 来源: https://gepris.dfg.de/gepris/projekt/171106931?language=en
• 关键词: Weiterentwicklung; nicht; parametrischer; Imputationsverfahren; zur

Die Nachfrage nach direktem Zugang zu Mikrodaten ist den letzten Jahren deutlich gestiegen. Allerdings ist eine Herausgabe der Daten nur möglich, wenn sichergestellt ist, dass durch die Bereitstellung der Datenschutz nicht verletzt wird. Ein innovativer Ansatz um dies zu gewährleisten, ist die Erzeugung synthetischer Datensätze. Bei diesem Verfahren werden die Originalwerte durch künstliche Werte ersetzt, wobei versucht wird, die gemeinsame Verteilung der im Datensatz enthaltenen Variablen zu erhalten. Allerdings ist die Erstellung dieser Datensätze sehr zeitaufwendig und komplex, so dass viele Institutionen nicht die Kapazitäten bereitstellen können, um diesen Ansatz für ihre eigenen Datensätze einzusetzen. Nicht-parametrische Verfahren, die eine weitgehend automatisierte Erzeugung synthetischer Datensätze ermöglichen, könnten diesen Aufwand deutlich reduzieren. Erste Ideen dazu wurden bereits in den Arbeiten von Reiter (2005d) dargelegt. Ziel des Forschungsvorhabens ist es, andere nicht-parametrische Prognoseverfahren so weiter zu entwickeln, dass sie sich zur Erstellung synthetischer Datensätze eignen und die Möglichkeiten einer automatisierten Anonymisierung anhand eines komplexen Datensatzes zu testen.

Allerdings ist eine Herausgabe der Daten nur möglich, wenn sichergestellt ist, dass durch die Bereitstellung der Datenschutz nicht verletzt wird。 zu gewährleisten, ist die Erzeugung Synthetischer Datensätze。数据是时间和复杂性的，因此，机构是不存在的，是数据本身的 Ansatz。 Ermöglichen, könnten diesen Aufwand deutlich reduzieren. Erste Ideen dazu wurden bereits in den Arbeiten von Reiter (2005d) dargelegt。 zur Erstellung Synthetischer Datensätze eignen und die Möglichkeiten einer automatisierten Anonymisierung anhand eines complexen Datatensatzes zu testen.