1

Anonimizálási és adathozzáférési eljárások a hivatalos statisztika

gyakorlatában

Szép Katalin – Gadácsi Katalin KSHFényes Elek Műhely

2010. május 26.

2

Vázlat

1. Alapok: statisztikai cél

2. Adatkiadás, kockázatok, csatornák

3. Alapelvek

4. Dilemmák

5. Eurostat gyakorlat, fejlesztési irányok

6. Záró gondolatok

3

Milyen adatok vannak?

„ 2008-ban XYZ Kft. nettó árbevétele 345678 ezer Ft ”

• Adóbevallás – adminisztratív adat

• KSH kérdőív – statisztikai adat

• …

4

Mitől függ?

Minden esetben adott egységre vonatkozik, de a cél különbözik:

• Igazgatási/adminisztratív –felhasználása közvetlenül az adott egységet érinti, adott egységre vonatkozó intézkedések alapja

• Statisztikai – sokaságot akarjuk jellemezni.

5

Adatgyűjtés – feldolgozás - használat

Adminisztratív célAdatgyűjtés Ellenőrzés, Egységet

érintő

nyilvántartás intézkedés

Statisztikai célAdatgyűjtés Adatellenőrzés,ösz- Sokaságot

szesítés, becslés jellemző adat

6

Adatgyűjtés – feldolgozás - használat

Adminisztratív célAdatgyűjtés Ellenőrzés, Egységet

érintő

nyilvántartás intézkedés

Statisztikai célAdatgyűjtés Adatellenőrzés,ösz- Sokaságot

szesítés, becslés jellemző adat

7

Egy speciális kérdés: adat-összekapcsolás

• Célok– Költségcsökkentés– Adatszolgáltatói terheket ne növeljük– Meglévő adatokból max információ kinyerése

• Megoldás: adatösszekapcsolás– Kapcsolás a lehető legpontosabb adatokból– Összekapcsolt állomány gondos anonimizálása

(kapcsolás előtti anonimizálás rontja a kapcsolás minőségét, és nem biztos, hogy anonim kapcsolt állományt eredményez)

8

EU Statisztikai Rendszer jövőképeCél: adatszolgáltatói terhek mérséklése, minőség javítása

Különböző adatforrások

Statisztikai elemzések

Feldolgozás

Forrás: Communication from the Commission to the European Parliament and the Council …COM(2009)404. 8. August 2009

9

Statisztikai célból gyűjtött/kezelt adat csak statisztikai célra használható, azaz a sokaság jellemzésére.

Adatkiadáskor adminisztratív célra alkalmatlanná kell tenni, azaz ne legyen alkalmas egyedek azonosítására, egyedekre vonatkozó információ felfedésére.

10

Milyen információ felfedését akadályozzuk meg?

• Ország kultúrájától függ.

• Magyarországon: – különleges adat (jogi alap)– érzékeny adat (vállalati, lakossági kultúra)

11

Felfedés elleni védelem

• Felfedés kockázata függ:– Adat jellege (érzékeny, különleges+közvetlen és

közvetett azonosítást lehetővé tevő)– Adathasználat közvetlen célja, adathasználó

rendelkezésére álló egyéb információ, eszközök, nyilvántartás, adathasználó háttérintézményének feladata

– Jogi védelem lehetősége• Adatvédelem: felfedés elleni logikai, jogi, fizikai

védelem• Tökéletes védelem nincs, cél, hogy szokásos idő

és eszközráfordítással ne legyen felfedhető

12

Felfedés tipikus esetei - Táblázatból

• Ha az érzékeny kategóriába túl kevés adatszolgáltató esik pl. személygépkocsi-gyártás megyei adatai

• Ha az érzékeny kategóriába túl sok/összes adatszolgáltató esik pl. „B régióban minden hajótulajdonos környezetszennyező”

Védelem: aggregálás, cellaelnyomás, kerekítés

13

Felfedés tipikus esetei - Mikroadatokból

• Közvetlen azonosítókból (név, telephely, adószám)

• Ritka értékkombinációkból (főtevékenység, régió, létszámkategória)

Védelem: közvetlen azonosítók törlése, csonkolás, cellaelnyomás, átkódolás-kerekítés, összekeverés

14

Főbb adatkiadási csatornák a KSH-ban

Kutatók a Hivatal kutató-szobájában

Jogi védelem

Eurostat Statisztikai Hivatal

Kutatók az Eurostat kutató-

szobájában

EU-s mikroadatot használó kutatók

Hazai mikroadatot használó kutatók

Nyilvánosság

c)

b)

a) a)

b)

c)

Felfed

és elleni

védelem

a) aggregált és mikroadatok nyilvánosságra hozása b) anonimizált mikroadatkiadás (kutatási célra) c) mikroadat-hozzáférés

15

Adatkiadási/hozzáférési csatornák

• Táblázatos– Kész táblázatok (kiadványok, Stadat vagy

egyedi)– Adatbázisokból lekérdezéssel

• Mikroadat– Távoli hozzáférés– Kutatószoba– Adatállomány kiadása (kutatónak, v. publikus)– Adatállomány átadása kutatói adatbázisba

16

• Maximális biztonság – minimális kockázat• Minimális információveszteség• Hatékonyság, összehangoltság• Megalapozottság

Különböző formában, különböző csatornákon

Egyenkockázat elve

Felfedés elleni védelem alapelvei

17

Dilemmák az adatkiadásban

• Felhasználók megkülönböztetése – egyenkockázat elve

• Egyedi igényeknek megfelelő anonimizálás – kockázatnövekedés - erőforrásigény - ingyenesség

18

EU: bizalmas adatokhoz való tudományos célú hozzáférés

Bizottság 831/2002/EK rendelete

Bizalmas adatok – statisztikai egység közvetlen azonosíthatóság nélkül

Bizalmas adatokhoz való hozzáférés – hivatali helységben, vagy anonimizált mikroadat kiadása

Kérelem: • Intézmény (egyetem, tudományos kutatóintézet,

statisztikai intézet, EKB, jegybankok) Bizottság 2004/452/EK határozata a szervezetek jegyzékéről

• Kutatók• Kutatási cél• Adatállomány

19

20

Fejlesztési irányok a világban

• Nemzetközi összehasonlítási igény, lehetőség • Új technikai lehetőségek (távoli hozzáférés,

adatbázisok mérete, hozzáférési eszközök, adatelemzési eszközök)

• Speciális kérések, kérdések

Válaszok: kutatás, fejlesztés a felfedés elleni logikai védelemben, informatikai, jogi eszközökben

21

Adatvédelmi fejlesztések az EU-ban

• Adatvédelmi kézikönyv felülvizsgálata– érthetőség

• Hozzáférés mikroadatokhoz EU szinten (Eurostaton keresztül)– Intézményi engedélyeztetés egyszerűsítése– Adatállományok bővítése

• Hozzáférés kutatószobák hálózatán keresztül– Kutatószobák standardja– Anonimizálás, felhasználók minősítése,

dokumentáció, szerződés standardja– Szabályozás standardizálása

22

Fejlesztések a KSH-ban

• Részvétel EU grantokban/fejlesztésekben

• Adathozzáférési csatornák bővítése

• Adatvédelmi szempontok egységesítése

Csökkenő pénzügyi erőforrások, igen korlátozott emberi kapacitások mellett.

23

Összegzés (1)

Statisztikai célokat szolgáló adat csak úgy adható ki (statisztikai szolgálaton kívülre), hogy ne szolgálhasson közvetlenül adminisztratív intézkedés alapjául.

Eszköz: felfedés elleni logikai, technikai, jogi védelem

Kiadható anonimizált mikroadat, biztonságos táblázat.

24

Összegzés (2)

• Statisztikai célnak való megfelelés– Befogadhat egyedi adatot– Kiad csak anonimizált adatot

• Mikroadatkiadáshoz– Termelési folyamat átalakítása– Módszertani felkészülés– Költség és emberi erőforrásigény

• Jogi környezet (koncepcionális összhang, EU konformitás)

25

Köszönöm a figyelmet!

katalin.szep@ksh.hu