个人通信数据的敏感性识别与隐私计量研究

[目的/意义]相关法律法规和通信数据行业标准中,将个人通信数据划分为四个等级,但缺失定量研究支撑,本文定量测度通信隐私值,解决该问题。[研究设计/方法][研究设计/方法]首先归纳通信隐私文本类型并建立通信隐私文本库,其次构建通信敏感词表,进行通信数据的敏感性识别,最后通过设计隐私计量模型,对通信隐私进行计量。[结论/发现][结论/发现]隐私性从高到低依次为:通信内容数据、统计分析数据、个人相关数据、通信衍生数据、通信地址数据。[创新/价值][创新/价值]基于通信隐私文本,识别通信敏感数据,计量通信隐私值,对基于主观的隐私主体敏感性认知测度方法进行补充,为个人通信数据分级保护提供定量依据。

个人教育数据的敏感性识别与隐私计量研究

[目的/意义]现行教育数据行业标准将个人教育数据划分为三个级别,但缺乏分级定量研究支撑,文章定量测度教育隐私值,解决该问题。[方法/过程]首先,依据隐私主体敏感认知,归纳文本类型,建立教育隐私文本库,作为敏感数据识别来源;其次,识别教育敏感数据单元,设计敏感词表建立流程,建立教育敏感词表;最后,分析隐私影响因素,形成计量指标,构建计量模型,计量教育隐私。[结果/结论]敏感性识别结果为个人教育敏感数据项,包括个人基础数据(标识数据、半标识数据、鉴别数据、联系数据、健康数据)、奖惩数据(奖励数据、惩罚数据)、学生管理数据(学籍数据、读者数据、资助数据、就业数据)、学习数据(课程数据、综测数据)4类。隐私计量结果表明,个人基础数据的隐私值最高,奖惩数据的隐私值次之,学生管理数据和学习数据的隐私值并列最低。科学权威的教育数据等级体系分类表缺失和隐私文本的切题性不高,致使教育敏感词表和隐私文本库的质量欠佳,可能影响计量结果的准确度,但尽管如此,样本统计结果还是比较全面反映了该领域的真实情况,体现了教育数据项的重要程度。

个人金融数据的敏感性识别与隐私计量研究

[目的/意义]现行金融数据行业标准规范中,依据“遭到破坏或泄露产生的影响程度”将个人金融数据隐私分为3个或4个级别,但均缺乏定量研究支撑。挖掘金融隐私相关文本,定量计算金融数据项的隐私值,为个人金融隐私分级提供科学客观依据。[方法/过程]普查金融隐私相关文献,建立金融隐私文本库;依据金融数据行业标准规范,建立金融隐私词表框架,采集金融敏感词汇;调查金融机构,采集客户个人数据,完善金融敏感词汇;基于文本句法结构,从文本库中析出金融隐私动词和金融敏感程度词,建立金融隐私词表;基于隐私词表,抽取金融文本库中敏感数据单元,建立金融隐私模型并进行计量。[结果/结论]计量结果表明,金融业机构制作的个人数据(个人账户数据、金融交易数据、个人借贷数据)的隐私性较高,金融业调用的个人数据(财产数据、司法数据、医疗数据)的隐私性次之,金融业采集的个人身份数据(身份基本数据、身份鉴定数据)的隐私性较低。

医疗信息文本中的个人隐私数据识别与计量研究

基于现行医疗数据行业标准中的数据分级结果模糊,且缺乏对分级要素定量测度的现状。本研究通过挖掘医疗信息文本,从客观认知视角进行医疗数据隐私计量,为验证与改进现行医疗数据分级结果提供参考。医疗数据行业标准、法律法规、学术论文和泄露案例构成医疗敏感数据识别来源,敏感名词(数据项)、敏感动词和敏感程度词等敏感词汇组成的敏感数据单元构成隐私数据识别模型,敏感词汇的敏感性、语义强度和文本力度等指标构成隐私计量模型。研究结果表明,医疗应用数据(医疗检验数据、治疗过程数据、医疗记录数据)和健康状况数据(主诉与既往病史、现病史与生活方式、体格检查数据)的隐私性最强,医疗支付数据(医疗费用数据、支付方式数据、医疗保险数据)的隐私性其次,个人属性数据(个人身份数据、个人统计数据、个人联系方式数据)的隐私性最低。

医疗数据中病种隐私的计量与分析

[目的/意义]计量医疗数据中的病种隐私值,并基于人口统计变量对病种隐私进行敏感性分析,为医疗隐私保护和医疗数据利用提供基础条件。[方法/过程]采用联合分析法,计算患者对医疗数据保护服务每个属性的边际支付意愿,求得医疗数据中病种的隐私值,通过独立样本T检验和单因素方差分析,研究不同个体特征之间病种隐私的差异是否具有统计学意义。[结果/结论]基于访谈法的预调查结果,艾滋病隐私值为最高;采用联合分析法和Logit模型,计量其他病种隐私值,结果显示,降序排列隐私值较高的病种为精神疾病、传染病(艾滋病除外)、恶性肿瘤、心脏与脑血管疾病;基于人口统计变量的隐私值分析显示,性别、年龄、受教育程度3个变量下医疗数据中病种隐私差异具有显著性,且男性高于女性,年龄段为41~65岁的人群高于其他年龄段人群,教育程度越高隐私越大。

政府数据中敏感数据识别与隐私计量研究

[目的/意义]通过分析政府数据隐私相关文本,设计敏感数据识别方案,构建隐私计量模型,计量敏感数据的隐私值,为政府数据隐私保护提供理论依据.[方法/过程]首先筛选政府数据隐私的相关文本构建样本库;然后依据文本的句法结构,抽取敏感数据项、核心动词、程度词、否定词等词汇,构建政府数据隐私语义词表;最后以上述词汇组成的敏感数据单元为基础,构建隐私计量模型.[结果/结论]该方法基于隐私相关文本,准确析出政府数据的敏感数据,客观计量政府数据对象的隐私值,可为政府数据的隐私风险防范及隐私保护规范化提供支持.

社交网络中关联隐私的价值计量与分析

[目的/意义]伴随着社交网络的流行,用户通过社交平台大量下载使用第三方应用程序(即社交APP),由此产生隐私关注。关注对象除个人隐私外,还包括用户朋友的隐私,即关联隐私。通过对关联隐私价值的计量,证实关联隐私的广泛存在,为社交APP中关联隐私政策的制定提供依据。[方法/过程]通过实证调查及文献回顾,证实关联隐私的广泛存在,提出相应研究问题及研究假设。采用联合分析法,通过问卷调查分析个体偏好,推理用户选择APP的影响因素,定量估计关联隐私的价值。[结果/结论]研究结果发现,用户选择使用APP时会考虑朋友隐私,但对朋友隐私的估值相对较低。当考虑到社交APP采集用户信息的情境对关联隐私价值的影响时,通过引入两种情境,即APP采集的用户朋友信息是否会提升APP的功能实现和使用效果,结果表明只有当这两种情境作用于朋友的完整信息时产生的关联隐私差异才具有显著性,这说明对用户来说,保护朋友的基本信息不是那么重要,但对于敏感信息(完整信息中去除基本信息的部分)的不合理请求会对APP评价产生负面效用。