Questão FC369713
Uma certa organização gostaria de compartilhar dados com um grupo de pesquisadores de uma universidade para a condução de um estudo sobre problemas ergonômicos nos seus escritórios
Segurança em Banco de Dados
FGV · 2024
Uma certa organização gostaria de compartilhar dados com um grupo de pesquisadores de uma universidade para a condução de um estudo sobre problemas ergonômicos nos seus escritórios. Entre os dados coletados, há informações sensíveis sobre seus funcionários; portanto, o responsável pela coleta decidiu anonimizar os dados. Isso foi feito removendo-se nomes e outros campos identificadores e adicionando-se um número identificador próprio a cada funcionário. Dessa forma, a identidade dos funcionários seria preservada. Após a verificação de uma amostra, o pesquisador responsável pelo estudo recomendou medidas que deveriam ser aplicadas antes que os dados pudessem ser aceitos para o estudo.
O problema que mais provavelmente motivou a recomendação do pesquisador e uma medida que pode mitigar esse problema são, respectivamente:
- os dados podem ser reidentificados usando uma combinação dos campos restantes → embaralhamento dos campos;
- o número identificador não é suficiente para separar os dados → hashing usando os campos restantes;
- os dados podem ser reidentificados utilizando dados externos ao conjunto compartilhado → privacidade diferencial;
- os dados podem ser reidentificados através de engenharia reversa do número identificador → randomização não linear dos identificadores;
- o campos restantes podem ser usados para deduzir informação não inclusa no conjunto de dados → k-anonimato.
Mostrar resposta e comentário
Gabarito
Certo
Comentário do professor
Ao retirar nomes e identificadores diretos, persiste o risco de reidentificação por correlação com dados externos (linkage attacks): atributos remanescentes podem ser combinados com bases públicas para identificar indivíduos.
A mitigação indicada é a privacidade diferencial, que formaliza o limite dessa vulnerabilidade. Um mecanismo \(M\) satisfaz privacidade diferencial com parâmetro \(\varepsilon\) (epsilon) se, para quaisquer bases \(D\) e \(D'\) que diferem em um registro e qualquer conjunto de saídas \(S\), vale
\( \Pr[M(D)\in S] \le e^{\varepsilon}\Pr[M(D')\in S]\).
Na prática isso se traduz em aplicar ruído calibrado à saída (ou aos dados) proporcional à sensibilidade da consulta, escolher um ε adequado (menor ε = maior proteção) e controlar o orçamento de privacidade para evitar acumulação de risco.
Conteúdo do catálogo FC Concursos · Atualizado em