我想做一个涉及使用附加噪声来保护数据库免受推理攻击的实验。
我的数据库应该首先生成一个平均值为 25 的特定值列表，然后我将通过添加一个随机噪声值来匿名这些值，该随机噪声值被设计为具有 0 的预期值。
例如：
我可以使用 [-1,1] 范围内的均匀分布噪声，也可以使用平均值为 0 的正态（高斯）噪声。
我将为具有不同噪声的 100、1000、10000 值的数据库测试这种匿名化方法。
我对使用哪个平台以及如何使用感到困惑，所以我从 Excel 中的 10 个值开始，对于均匀分布的噪声值，我使用 RAND() 并添加到实际值，对于正常噪声，我使用 Norm.Inv 和平均值0，然后我加上实际值。
但是我不知道如何从黑客的角度解释数据，当我向数据集添加噪声时，当数据集变大时，我如何解释它对隐私的影响？
另外，我应该使用数据库工具来处理这个问题吗？
【问题讨论】：
标签： database privacy anonymize anonymity
据我了解，您正试图保护您的“实验”数据库免受推理攻击。
攻击者尝试使用已允许公开使用的查询从数据库中窃取信息。首先，尝试确定您的标识符、准标识符和敏感值。
考虑一个学生管理系统，其中包含每个学生的 GPA。我们知道 GPA 是一个敏感信息。标识符是“student_id”，准标识符是“站立”，比方说“性别”。在大多数情况下，RDBM 系统的管理员允许聚合查询，例如“获取所有学生的平均 GPA”或“获取高年级学生的平均 GPA”等。攻击者试图从这些聚合查询中推断。如果不知何故只有一名高年级学生，则查询“获取高年级学生的平均 GPA”将返回一个特定人员的 GPA。
有两种主要方法可以保护数据库免受此类攻击。去识别化和匿名化。去标识化意味着从数据库中删除任何标识符和准标识符。但这在某些情况下不起作用。考虑一位在成绩公布后参加补考的学生。如果你得到他参加考试前后所有学生的平均 GPA，并比较查询的结果，你会看到少量的变化（比如说，从 2.891 到 2.893）。攻击者可以从这 0.002 的总 GPA 差异推断出该特定学生的补考成绩。
另一种方法是匿名化。使用 k-匿名，您可以将数据库分成至少有 k 个实体的组。例如，2-匿名确保没有包含单个实体的组，因此对单个实体组的聚合查询不再泄漏私人信息。
除非，你是一个组中的两个实体之一。
如果一个班级有 2 位高年级学生，并且您想知道高年级学生的平均成绩，则 2-匿名可以让您获得该信息。但如果你是大四学生，并且已经知道自己的成绩，就可以推断出其他学生的成绩。
向敏感值添加噪声是处理这些攻击的一种方法，但如果噪声太低，那么它对泄露的信息几乎没有影响（例如，对于成绩，知道某人有 57 分（满分 100 分）而不是 58 分）几乎没有区别）。如果它太高，则会导致功能丧失。
您还询问了如何解释随着数据集变大对隐私的影响。如果你对一个非常大的数据集取平均值，你会发现你找到的结果实际上是 everyone 的敏感值（这可能有点复杂，但认为数据集是无限的，并且敏感信息可以取的值是有限的，然后计算概率）。添加均值为零的噪声是可行的，但随着数据集的变大，噪声的范围应该会变宽。
最后，如果您使用的是 excel，它不是 RDBMS 而是电子表格，我建议您想出一种方法来使用 SQL 查询的等价物，设置数据集的标识符和准标识符，以及公共查询任何人都可以执行。
此外，除了匿名性之外，请查看数据集的“多样性”和“接近性”以及它们在数据库匿名化中的用途。
我希望这能回答你的问题。 如果您还有其他问题，请询问。
【讨论】：