Development of Statistical Methods for the Risk of Personal Identification from GPS Data

2023 Fiscal Year Final Research Report

• Project/Area Number: 19K23243
• Research Category: Grant-in-Aid for Research Activity Start-up
• Allocation Type: Multi-year Fund
• Review Section: 0107:Economics, business administration, and related fields
• Research Institution: Hitotsubashi University (2022-2023); Meiji University (2020-2021); Institute of Physical and Chemical Research (2019)
• Principal Investigator: Shirota Shinichiro 一橋大学, 大学院ソーシャル・データサイエンス研究科, 准教授 (90845918)
• Project Period (FY): 2019-08-30 – 2024-03-31
• Keywords: データ合成 / 空間統計 / ガウス過程

Outline of Final Research Achievements

When considering the application of location information to social sciences, it is important to provide it along with individual information linked to the location. However, there is an inherent risk of personal identification. Among personal information, location information carries a particularly high risk of identification. Data synthesis methods simulate the target data itself while maintaining the dependency structure of each variable, thus replacing the original data with pseudo-data that retains the distribution structure of the data. In this study, we developed a data synthesis method using Gaussian processes as a more flexible approach than existing studies. This contributes to the development of data synthesis methods that maintain the dependency structure between variables while suppressing the risk of personal identification.

Free Research Field

統計学

Academic Significance and Societal Importance of the Research Achievements

位置情報の社会科学への応用を考える際には、位置情報に紐づいた各個人情報とセットで提供することが重要であるが、個人特定リスクが内在する。個人情報の中でも、とりわけ位置情報は特定化リスクが高い。データ合成手法は、各変数の依存構造を保持したまま、対象となるデータ自体をシミュレートすることで、データの分布構造を保持した上での擬似データにより元データを代替するものである。本研究では、既存研究より柔軟性の高いアプローチとしてガウス過程を用いたデータ合成手法の開発を行った。これにより、個人特定化リスクを抑えたまま変数間の依存構造を保持したデータ合成手法の発展に貢献している。