Hochrisiko-Datensätze in synthetischen Daten erkennen: RAPID an den Schweizer Statistiktagen 2026

Am 25. August 2026 stellte Oscar Thees an den Schweizer Statistiktagen 2026 im Würth Haus Rorschach unseren Beitrag Identifying High-Risk Records in Synthetic Data with RAPID vor. Gastgeber war das Amt für Daten und Statistik des Kantons St. Gallen.

Der Vortrag begann mit einem Gedankenexperiment. B durchleuchtet heimlich die Aktentasche von A und sieht, was drin ist. Klar eine Verletzung der Privatsphäre. In einer zweiten Variante berührt B die Tasche nie, sondern erschliesst denselben Inhalt mit einem Modell aus ein paar sichtbaren Merkmalen, mit demselben Beweiswert. Kein Zugriff, nur eine Vorhersage. Trotzdem eine Verletzung? Die Symmetrie-These (Munch, 2021) hält fest: Der Unterschied ist real, aber moralisch folgenlos, denn alles, womit wir den Schutz der Privatsphäre begründen (Folgeschaden, Fremdurteil, Autonomie), trifft auf die Vorhersage genauso zu. Die Differential Privacy setzt anders an: Eine Verletzung liegt erst vor, wenn das Ergebnis davon abhängt, ob eine einzelne Person in den Daten war.

RAPID entscheidet diese Debatte nicht. In beiden Lesarten will man aber wissen, wie viel Inferenz eine Freigabe zulässt. Synthetische Daten erledigen das nicht von selbst: Sie trennen die Verbindung zu realen Personen, aber jede Abhängigkeit, die sie erhalten, ist der Hebel des Angreifers.

RAPID (Risk of Attribute Prediction-Induced Disclosure) macht diesen Beweiswert messbar. Der Angreifer wird als Machine-Learning-Modell simuliert, das auf den freigegebenen Daten trainiert, aus Quasi-Identifikatoren das sensible Attribut vorhersagt und an den wahren Werten realer Personen geprüft wird. Wichtig ist die Baseline-Korrektur: Wenn 90 % der Patienten gesund sind, liegt «gesund» auch ohne Angriff zu 90 % richtig. Heraus kommen Risikomarkierungen pro Datensatz und die Quasi-Identifikator-Muster dahinter.

RAPID ist eines von rund 100 Risiko- und Nutzenmassen in riskutility, unserem neuen R-Paket auf CRAN.

• RAPID-Paper: arXiv:2602.09235
• riskutility auf CRAN: cran.r-project.org/package=riskutility
• Abstract: Programm der Schweizer Statistiktage (Book of Abstracts, S. 13)

Die Arbeit entstand gemeinsam mit Roman Müller und Matthias Templ.