过滤攻击-聚合数据
公开的聚合数据是通过对原始细粒度数据进行汇总、统计或转换后发布的，旨在提供群体层面的洞察而非个体信息。它们具有以下关键特征：
1. 去标识性（De-identification）
-
表现：
-
直接标识符（姓名、身份证号、手机号）被删除或泛化（如年龄变为“20-30岁”，地址变为“海淀区”）。
-
个体无法通过聚合数据直接定位到具体人。
-
-
隐私风险：
-
间接标识符（邮编、性别、职业）组合仍可能通过链接攻击重新识别个体（如“中关村某科技公司35岁男性高管”可能唯一）。
-
2. 统计性（Statistical Nature）
-
表现：
-
仅发布统计量：计数（某地区病例数）、均值（平均收入）、比例（疫苗接种率）、分位数（收入中位数）、汇总值（GDP）。
-
不包含原始记录（如单条医疗记录）。
-
-
隐私风险：
-
通过多维度交叉统计重构个体值（例：已知“某公司10名员工平均工资5万” + “9名员工工资≤6万” → 可推出第10人工资≥14万）。
-
3. 多维性（Multi-dimensionality）
-
表现：
-
按不同维度分层发布统计结果（如同时按年龄、性别、地区发布收入分布）。
-
-
隐私风险：
-
维度越多，数据越稀疏 → 小群体问题（如“海淀区60岁以上患罕见病X的女性”可能仅1人），泄露其敏感信息。
-
4. 稀疏性（Sparsity）
-
表现：
-
高维组合下，许多统计单元内数据量极少（甚至为0）。
-
例：发布“每个邮编区域+职业类型”的平均收入时，偏远地区“核物理学家”可能仅1人。
-
-
隐私风险：
-
稀疏单元中的统计值（如均值）≈该个体的真实值 → 直接暴露隐私。
-
5. 关联性（Correlation）
-
表现：
-
聚合数据隐含属性间关联规律（如“学历与收入正相关”“邮编100084多关联学生”）。
-
-
隐私风险：
-
攻击者利用已知关联（如从公开简历库知“某人是清华博士”）+聚合数据（“海淀区博士平均收入30万”）→ 推测该个体收入。
-
6. 稳定性/连续性（Stability/Continuity）
-
表现：
-
同类数据定期发布（如月度失业率、季度GDP），相邻时间段数据通常变化平缓。
-
-
隐私风险：通过差分攻击对比前后版
7. 高信息量（High Informativeness）
-
表现：
-
聚合数据保留原始数据的统计分布特征（如直方图、热力图反映空间密度）。
-
-
隐私风险：
-
利用分布特征进行分布重构攻击（例：从带噪声的年龄分布直方图中反推原始年龄分布）。
-
8. 机制可溯性（Mechanism Transparency）
-
表现：
-
部分发布说明统计方法（如“使用差分隐私，ε=1.0”），或直接暴露算法（如开源代码）。
-
-
隐私风险：
-
攻击者利用已知噪声机制（如拉普拉斯分布）设计最优滤波算法，削弱噪声影响（例：对差分隐私保护的聚合数据多次查询取平均）。
-
隐私保护的关键矛盾
聚合数据的特征构成一对矛盾：
-
正面价值：多维性、高信息量支撑深度分析（如政策制定、商业决策）。
-
隐私风险：这些特征恰好为过滤攻击提供数学基础，使其能反推个体信息。
典型案例说明特征如何导致攻击
案例：人口普查数据泄露
-
数据特征：
-
发布至街道层级的年龄/职业/教育程度交叉统计表（多维性+统计性）。
-
-
攻击过程：
-
攻击者获取某人的公开信息（家住“A街道”，职业“律师”，年龄“40岁”）。
-
查询聚合表发现：
-
A街道40岁律师仅1人（稀疏性），
-
该群体平均收入50万（统计性）→ 推断此人收入≈50万。
-
-
防御方案：
-
对稀疏单元合并或截断（如不发布≤5人的统计项）。
-
添加差分隐私噪声：即使攻击者查到“A街道40岁律师平均收入50万”，实际发布值为“50万+随机噪声”，使其无法置信推断。
聚合数据的“双面性”
| 特征 | 分析价值 | 隐私风险 |
|---|---|---|
| 去标识性 | 保护直接隐私 | 间接标识符组合可重新识别个体 |
| 多维性 | 支持细粒度分析 | 小群体问题导致个体暴露 |
| 统计性 | 反映群体规律 | 多维度交叉重构个体值 |
| 高信息量 | 保留数据分布模式 | 分布重构攻击基础 |
| 稳定性 | 追踪趋势变化 | 差分攻击推断个体变化 |