RAPID und das neue R-Paket riskutility an der useR! 2026 in Warschau
Am 7. Juli 2026 präsentierte Oscar Thees unsere Arbeit an der useR! 2026, der internationalen Konferenz der R-Community, die dieses Jahr in Warschau stattfand. Sein Vortrag Evaluating Disclosure Risk in Synthetic Data with the R Package riskutility stellte RAPID und das neue R-Paket vor, in dem RAPID nun enthalten ist.
Zum Einstieg zeigte er einen Cartoon von Ted Rall: Zwei Personen wird aus demselben Grund eine Versicherung verweigert. Im einen Bild wurden ihre de-identifizierten Daten in einer Studie gefunden («Privatsphäre verletzt»), im anderen passen sie einfach zu einem allgemeinen Befund («Privatsphäre nicht verletzt»). Gleicher Schaden, entgegengesetztes Urteil. Ob solche Schlüsse eine Verletzung der Privatsphäre sind, liess der Vortrag bewusst offen. Praktisch gilt so oder so: Wer Daten freigibt, muss messen können, wie viel ein Angreifer daraus erschliessen kann. Synthetische Daten trennen die Verbindung zu realen Datensätzen, beseitigen dieses Inferenzrisiko aber nicht.
Genau das misst RAPID (Risk of Attribute Prediction-Induced Disclosure). Der Angreifer wird als Machine-Learning-Modell simuliert, das auf den freigegebenen synthetischen Daten trainiert und dann genutzt wird, um die sensiblen Werte realer Personen vorherzusagen. Eine Baseline-Korrektur sorgt dafür, dass nur Inferenz als Risiko zählt, die über das hinausgeht, was ohnehin jeder erraten könnte.
Risiko ist aber nur die eine Hälfte: Jede Freigabe ist eine Abwägung zwischen Risiko und Nutzen, und beide Seiten sind multivariat. Deshalb ist RAPID jetzt Teil von riskutility, unserem neuen R-Paket auf CRAN mit rund 100 Risiko- und Nutzenmassen für synthetische und anonymisierte Tabellendaten.
- Folien: Programm der useR! 2026
- RAPID-Paper: arXiv:2602.09235
- riskutility auf CRAN: cran.r-project.org/package=riskutility
Die Arbeit entstand gemeinsam mit Matthias Templ und Roman Müller.
Titelbild: Cartoon von Ted Rall (2024), aus S. L. Garfinkel, Differential Privacy (MIT Press).