Das gemeinsame Paper mit der Technischen Universität Berlin zum Thema Verlust der Privatsphäre bei explorativen Datenanalysen wurde auf der Konferenz "European Symposium on Research in Computer Security (ESORICS)" vorgestellt. Darin zeigen wir, dass selbst bei sehr einfachen und aggregierten Explorationen einzelne Personen leicht identifiziert werden können und quantifizieren den Verlust der Privatsphäre anhand des weitverbreiteten Konzeptes Differential Privacy.
"Anonyme Machine Learning Modelle haben sich bereits in der Forschung und Anwendung etabliert. Für kompromisslos datenschutzkonforme Data Science Projekte reicht dies allerdings nicht aus. Der Datenschutz muss schon bei der ersten Exploration einbezogen werden."- Mira Pauli, Data Scientist
Mit der Veröffentlichung, die im Zuge unseres Forschungsprojektes AnyPPA entstanden ist, beteiligen wir uns aktiv an der Erforschung und Weiterentwicklung von Datenschutzkonformen Analysen. So stellen wir sicher, dass die Daten unserer Kunden mit dem neusten Stand der Technik geschützt sind. Das vollständige Paper "Every Query Counts: Analyzing the Privacy Loss of Exploratory Data Analyses" ist kostenfrei zum Download verfügbar.