Aller au contenu principal

Individualisation

Le critère d’individualisation est fondamental pour évaluer le niveau d’anonymat d’un jeu de données synthétiques.
Il désigne le risque qu’un individu puisse être identifié de manière unique dans un jeu de données à partir des informations disponibles.

Note de terminologie

Dans la littérature récente sur la confidentialité, ce mécanisme est souvent décrit comme l’isolement d’enregistrement (record isolation). En pratique, il s’agit du même mécanisme que le singling out : un attaquant peut isoler une ligne ou une combinaison rare d’attributs dans un jeu de données. Le critère n’est pertinent que si cette isolation peut être reliée à une personne physique réelle à l’aide de connaissances antérieures raisonnablement accessibles.

Autrement dit, isoler une combinaison rare d’attributs dans un tableau n’est pas, en soi, une faille de confidentialité si elle ne peut pas être associée à un individu précis. Le risque devient concret lorsque la combinaison isolée peut être reliée de manière réaliste à une personne.

Exemple d’application concret​

Prenons un jeu de données contenant des informations sur les employés d’une organisation.
Un attaquant connaissant le service, l’âge et l’ancienneté d’un employé pourrait utiliser ces données pour l’isoler dans le jeu — en particulier si cette combinaison le rend unique, par exemple s’il est le seul à avoir plus de 10 ans d’ancienneté dans une petite équipe.

Liste des métriques évaluant le critère d’individualisation​

Facteurs influençant le risque d’individualisation​

Le risque d’individualisation augmente proportionnellement à la quantité et à la précision des informations disponibles pour un attaquant.
Plus un attaquant dispose de données contextuelles (âge, localisation, profession, etc.), plus il lui est facile d’isoler un individu dans un jeu de données.

Ce critère est particulièrement critique pour les individus aux valeurs remarquables (outliers) : c’est-à-dire ceux qui présentent des caractéristiques rares ou atypiques.
Par exemple, une personne vivant dans une zone très peu peuplée ou ayant une combinaison unique de traits sera beaucoup plus vulnérable à l’individualisation.

Importance de la mitigation​

Pour limiter le risque d’individualisation, les métriques que nous avons développées évaluent systématiquement la probabilité qu’un attaquant, disposant de différents niveaux de connaissance préalable, puisse isoler un individu.
Ces analyses permettent d’identifier les vulnérabilités avant tout usage ou diffusion des données, et de les corriger de manière proactive.