Pseudonymisation et anonymisation de données tabulaires — Méthodes, outils et applications
Un approfondissement pratique de deux jours du cours d'une journée : contexte juridique, mesure du risque de divulgation, la boîte à outils complète d'anonymisation sdcMicro, évaluation de l'utilité et génération de données synthétiques avec synthpop — appliqué de bout en bout sur des microdonnées tabulaires réelles. Recommandé aux équipes qui souhaitent aller un pas plus loin que l'aperçu d'une journée.
Programme
Introduction, identité et réglementation
Pseudonymisation vs anonymisation ; la loi suisse révisée sur la protection des données (nLPD/revDSG) et le RGPD ; ce qui est considéré comme identifiant ; modes de partage des données (PUF / SUF / secure use).
Aperçu du flux de travail SDC
Le pipeline de bout en bout : classer les variables, définir le scénario de divulgation, mesurer le risque, appliquer des méthodes ciblées, mesurer à nouveau, documenter et publier.
Méthodes d'anonymisation
Recodage global et généralisation, suppression locale (k-anonymat via sdcMicro kAnon), PRAM, microagrégation, ajout de bruit, swapping et shuffling — quand appliquer chacune.
Mesure du risque de divulgation
Risque de réidentification individuel et global, comptages de fréquences, l-diversité pour les attributs sensibles, SUDA — mesurer le risque par enregistrement pour cibler le traitement.
Utilité des données
Mesures de perte d'information et compromis risque–utilité ; choisir les paramètres en fonction d'un objectif d'utilité plutôt qu'au jugé.
Pratique : anonymiser des microdonnées réelles
Session sdcMicro de bout en bout sur un jeu de données d'enquête réel (EU-SILC) : construire l'objet SDC, recoder, supprimer, perturber et produire un rapport SDC.
Données synthétiques
Générer des données tabulaires synthétiques avec synthpop ; évaluer la fidélité et le risque de divulgation avec riskutility ; quand la synthèse surpasse l'anonymisation classique.
Du cours à la pratique
Appliquer le flux de travail aux propres problèmes de partage de données des participants ; une documentation qui résiste à une autorité de contrôle.
Intervenants Matthias Templ