• Title: Introduction to Privacy
• Provided by: Dept. of Computer Engineering, Myongji University
• Lead by: Minho Shin (mhshin@mju.ac.kr, Rm5742)
• Period: Fall semester, 2017
• Location: 5701 at 5th Engineering Building
• Time: Tuesdays, 10am to 1pm
• Type: Graduate Seminar
• Goal of the class
  • This class aims to familiarize students with current research topics in Privacy area

• Resources

Participants

• Goal: Analyze the privacy levels of data using ARX + alpha
• Steps
  1. Choose your data (already done)
     1. 권유진: adult
     2. Zhong: atus
     3. 장민해: cup
     4. 이수정: fars
     5. 노건: ihis
  2. Download your data and VHG
  3. Open the data in ARX
  4. Choose quasi-identifiers
  5. Choose one sensitive attribute
  6. Import VHGs
  7. Check if VHG is valid. If not, fix it.
     1. Generalization steps should be in detail
  8. Run de-identification algorithms
     1. run k-anonymity with k=3, 5, 10
        1. choose suppression limit as you wish
     2. run distinctive l-diversity with l=3, 5, 10
     3. run entropy l-diversity with l=3, 5, 10
     4. run t-closeness with your choice of t
  9. For each de-identified data do
     1. Compute Min/Max/Avg EQ group sizes
     2. Compute Min/Max/Avg # of different sensitive values
     3. Compute Min/Max/Avg entropy
     4. Compute GenInfoLoss
     5. Compute the privacy levels
        1. Compute identity-disclosure level
           • 
        2. Compute attribute-disclosure level
           • 
        3. Compute inference-disclosure level
           • 
        4. Analyze the results of privacy levels
  10. Discuss the results

• a_globally_optimal_k-anonymity_method_for_the_de-identification_of_health_data
  • 최적의 k-익명화
  • 건강 데이터 Set의 비식별화를 위한 OLA를 3개의 기존 k-익명 알고리즘과 비교
• data_anonymization_using_pseudonym_system_to_preserve_data_privacy
• efficient_systematic_clustering_method_for_k-anonymization
• implementation_and_evaluation_of_an_efficient_secure_computation_system_using_r_for_healthcare_statistics
• on_distributed_k-anonymization
• privacy_preserving_e-health_data_sharing_in_cloud
• secure_k-anonymization_over_encrypted
• 가명_데이터_활용연구_기술적_처리방법_및_기업의_활용방향을_중심으로
  • Data Privacy 보호 관점에서의 관리/통제, 3자 제공 관점에서의 관리 필요
  • 우리나라의 명확치 않은 데이터 활용에 대한 법적 근거 등으로 시장 위축
  • 적절한 비식별 조치 기준 및 위험도 판단 기준 수립 준비를 요하는 논문
• 개인정보_비식별_제도_해외_동향_및_사례
• 개인정보 비식별 조치를 위한 데이터 상황 기반의 위험도 측정에 관한 새로운 방법
• 개인정보_비식별화_역추적을_위한_머신러닝_활용에_대한_연구_제시
• 경로정보 개인 비식별화를 위한 K-익명성의 K값에 따른 데이터 활용과 익명성의 상충관계
• 관계형 데이터베이스에서 데이터 그룹화를 이용한 익명화 처리 기법
• 데이터_3법_시대의_익명화된_데이터_활용에_대한_제언
• 데이터_비식별화를_이용한_빅데이터_통합
• 비식별_처리_데이터에_대한_정보손실_측정방법_조사연구
• 빅데이터_개인정보보호_가이드라인(안)의_개선_방향에_관한_연구
  • 시민단체가 정보주체 인권 및 프라이버시 침해를 이유로 강력히 반대
  • 현 가이드라인의 한계점 분석 등 빅데이터 안전 활용 관련 제도적 정비 방안 논의
• 빅데이터_활용_및_사업을_위한_비식별화_전략
• 의료정보의_관리와_비식별화에_관한_법제_과제
• 이동_컴퓨팅_환경에서_사용자의_익명성과_프라이버시_보장_방안
• 프라이버시 보호와 데이터 유용성 향상을 위한 서비스 기반의 안전한 익명화 기법