Anonymeter 隱私風險評測
Anonymeter 是一套由 Statice 開發的 Python 函式庫，專門用於評估合成表格資料的隱私風險。此工具實作了歐盟個人資料保護指令第29條工作小組 (WP29) 於 2014 年提出的匿名化技術評估標準，並於 2023 年獲得法國國家資訊自由委員會 (CNIL) 的認可。
評測架構
Anonymeter 從三個面向評估隱私風險：
指認性風險 (Singling Out Risk)
評估從資料中識別出特定個體的可能性。例如：「能找出唯一具有特徵 X、Y、Z 的個體」。
連結性風險 (Linkability Risk)
評估連結不同資料集中相同個體紀錄的可能性。例如：「能判斷紀錄 A 和 B 屬於同一人」。
為處理混合資料類型，此評測使用高爾距離 (Gower’s Distance)：
- 數值變數：歸一化後的絕對差值
- 類別變數：不相等時距離為 1
推斷性風險 (Inference Risk)
評估從已知特徵推斷其他屬性的可能性。例如：「具有特徵 X 和 Y 的人，其特徵 Z 為何」。
風險計算
隱私風險分數
隱私風險分數採用以下公式計算：
$$ Privacy Risk = \frac{Attack Rate_{Main} - Attack Rate_{Control}}{1 - Attack Rate_{Control}} $$
此公式衡量：
- 分子：合成資料帶來的額外風險（相對於控制組）
- 分母：理想攻擊的最大效果（相對於控制組）
分數範圍為 0-1，越高代表隱私風險越大。
攻擊成功率
攻擊成功率使用威爾遜分數計算：
$$ Attack Rate = \frac{N_{Success} + \frac{Z^2}{2}}{N_{Total} + Z^2} $$
其中：
- N_Success：成功攻擊次數
- N_Total：總攻擊次數
- Z：95% 信心水準的 Z 分數
三種攻擊率
主要攻擊率 (Main Attack Rate)：使用合成資料推斷原始資料的成功率
基線攻擊率 (Baseline Attack Rate)：隨機猜測的成功率
- 如果主要攻擊率低於基線，表示評測結果無意義
- 可能原因：攻擊次數不足、輔助資訊太少、資料本身問題
控制攻擊率 (Control Attack Rate)：使用合成資料推斷控制組資料的成功率