Um Estudo Comparativo de Mecanismos de Privacidade Diferencial sobre um Dataset de Ocorrências do ZIKV no Brasil­

Abstract

Nos últimos anos, o Governo Brasileiro tem organizado uma série de iniciativas para informatizar o SUS, com o objetivo de melhorar sua eficiência. Uma dessas iniciativas é o GAL (Gerenciador de Ambiente Laboratorial). O GAL tem como objetivo proporcionar a gerência das rotinas laboratoriais e o acompanhamento das etapas para realização dos exames. Adicionalmente, o GAL permite a extração de dados, que podem ser usados por gestores nas diversas esferas. Entretanto, essa exportação de dados pode não ser confiável, e levar a sérios riscos de violação de privacidade, uma vez que exibe dados pessoais de indivíduos. Simplesmente mascarar os elementos de identificação (nome, CPF, etc.) ou disponibilizar apenas resultados agregados pode não proporcionar proteção suficiente. Nesse cenário, técnicas mais elaboradas de privacidade de dados, como a Privacidade Diferencial (PD), se fazem necessárias. Este artigo apresenta um estudo que compara a aplicação de diferentes mecanismos de PD sobre os dados extraídos do GAL. Em especial, utilizamos como estudo de caso os dados de exames de casos suspeitos do Vírus da Zika (ZIKV) no Brasil.

Privacidade Diferencial em Sistemas Polystore: uma Abordagem Prática

“…A PD foi proposta inicialmente no contexto de consultas interativas, nas quais o usuário submete uma consulta e recebe a resposta de forma anonimizada. Existe também o uso da PD para a publicação de datasets anonimizados, quando a PD é aplicada sobre o dataset antes de publicá-lo e as consultas são realizadas sobre o dataset já anonimizado [de Oliveira et al 2019]. Para sanitizar os dados, a PD utiliza um algoritmo de anonimização ou mecanismo responsável por inserir um ruído aleatório nos dados do dataset ou no retorno da consulta, e.g., o mecanismo de Laplace [Dwork et al 2014], o Gaussiano [Dwork et al 2014] e o de Resposta Randômica (RR) [Warner 1965].…”