Genauigkeit der Datenanalyse und trotzdem Privatsphäreschutz – wie funktioniert das?
Differential Privacy hat das Ziel, die Genauigkeit von Datenanalysen zu maximieren und gleichzeitig die Wahrscheinlichkeit zu minimieren, dass die bei der Analyse verwendeten Datensätze identifiziert werden zu können. Differential Privacy wird beispielsweise im Kontext der Veröffentlichung sensibler Informationen verwendet: allgemeine, statistische Informationen können zugänglich gemacht werden, ohne die Daten zu verschlüsseln; gleichzeitig bleibt die Privatsphäre der Betroffenen gewahrt. Differential Privacy verfolgt hierbei den Ansatz, Daten mit Rauschen zu versehen, um eindeutige Aussagen über bestimmte Eigenschaften der Daten unmöglich zu machen.
Doch wie genau ist es möglich, die Privatsphäre der Beschäftigten zu schützen und gleichzeitig eine hohe Genauigkeit der Datenanalyse zu ermöglichen? Der am Lehrstuhl für Rechtsinformatik der Universität des Saarlandes entwickelte Demonstrator gibt einen Einblick in die theoretische Nutzung von Differential Privacy im Beschäftigungskontext. Er ermöglicht einen direkten Vergleich zwischen den Ergebnissen unter Anwendung von Differential Privacy und einfacher Summenbildung. Der TrUSD-Demonstrator inklusive Szenariobeschreibung und Nutzungsanleitung liegt in Varianten für Windows, MacOS und Linux vor und steht kostenlos als Download zur Verfügung:
Demonstrator Differential Privacy