ABD İstatistik Verilerinde ‘Gürültü Enfüzyonu’ Yasağı: Gizlilik ve Kullanışlılık Dengesi Tehlikede
Geçtiğimiz hafta, Amerika Birleşik Devletleri Ticaret Bakanlığı, Nüfus Sayım Bürosu ve Ekonomik Analiz Bürosu tarafından yayımlanan tüm istatistiksel ürünlerde ‘gürültü enfüzyonunun’ yasaklandığını bildiren bir karar yayınladı. Bu karar, özellikle diferansiyel gizlilik gibi modern veri koruma tekniklerini hedef alıyor ve istatistiksel veri ürünlerinin geleceği üzerinde derin etkiler yaratma potansiyeli taşıyor. Peki, bu ne anlama geliyor ve neden bu kadar önemli?
Bağlam: İstatistiksel Gizlilik ve Veri Koruma Teknikleri
İstatistiksel ürünler, gizli veri setlerinden türetilen sayılardır. Bu veri setleri genellikle gizli bilgiler içerir ve bu bilgilerin yayınlanan sayılar aracılığıyla ifşa edilmemesi büyük önem taşır. ABD Nüfus Sayımı, bireylerin doldurduğu formların gizli kalması gereken iyi bilinen bir örnektir. Bilim insanları, orijinal verinin gizliliğini korurken faydalı istatistikler yayınlamak için çeşitli ‘ifşa kaçınma’ teknikleri geliştirmiştir.
Başlıca İfşa Kaçınma Teknikleri:
- Bastırma (Suppression): Belirli eşikleri geçmeyen verilerin kaldırılması (örn: bir kişi sayısı 5’in altındaysa yayınlanmaz).
- Kabalaştırma (Coarsening/Generalization): Veri niteliklerini daha az hassas hale getirme (örn: bir ilçeyi eyaletine, doğum tarihini yaş aralığına dönüştürme).
- Örnekleme (Sampling): Veri setinden rastgele kayıtların çıkarılması.
- Yer Değiştirme (Swapping): Farklı kayıtlardan niteliklerin rastgele değiştirilmesi.
- Katkı Sınırlandırma (Contribution Bounding): Tek bir bireyin bir istatistiğe ‘çok fazla’ katkıda bulunmamasını sağlama.
- Gürültü Ekleme (Noise Addition): İstatistiklerin gerçek değerini gizlemek için rastgele sayılar ekleme.
Bu tekniklerden bazıları, ‘diferansiyel gizlilik’ adı verilen bir tanımı sağlar. Bilim insanları arasında gizlilik korumasının altın standardı olarak kabul edilen diferansiyel gizlilik, genellikle katkı sınırlandırma ve dikkatlice kalibre edilmiş gürültü ekleme kombinasyonuna dayanır.
ABD Nüfus Sayım Bürosu, 1990’dan 2010’a kadar yer değiştirme yöntemini kullanmıştır. Ancak bu tekniğin aslında çok güvensiz olduğu ve bireysel kayıtların yayınlanan istatistikler kullanılarak kolayca yeniden oluşturulabileceği fark edildi. Bu durum, büronun federal yasa gereği bu kayıtları gizli tutma yükümlülüğü nedeniyle ciddi bir sorundu. Bu nedenle, 2020 Sayımı için diferansiyel gizliliği benimsemeye karar verdiler, çünkü bu yöntem saldırıları önlerken istatistiklerin en faydalı halini koruyordu.
Diferansiyel gizlilik, ‘yeni keşfedilen gizlilik kısıtlamaları altında en fazla faydayı koruyan’ bir seçenek olarak seçildi. Ancak bu, 2010 Sayımı kadar kullanışlı kaldığı anlamına gelmiyordu. Sayılar daha az doğru hale geldi ve bu yanlışlıklar daha şeffaf ve göz ardı edilemez oldu, bu da birçok kişinin tepkisini çekti. Demograflar ve sosyal bilimciler, çalıştıkları verilerin gürültülü veriler olduğunu artık görmezden gelemiyorlardı. Nüfus verilerini bireysel kayıtları yeniden yapılandırmak için kullananlar (gerrymandering çabaları dahil) artık bunu yapamıyordu.
Karar Ne Diyor ve Pratik Sonuçları Ne Olacak?
Yeni karar, gürültü enfüzyonunun kabul edilebilir bir ifşa kaçınma tekniği olmadığını belirtiyor. Açıkça diferansiyel gizliliği hedef alsa da, rastgelelik içeren diğer teknikleri de etkileyecek gibi görünüyor. Kararda kabalaştırmanın her zaman tercih edilmesi, bastırmanın ise ‘son çare’ olarak kullanılması gerektiği vurgulanıyor. Ayrıca, kararın anayasal, yasal veya diğer yasal hükümlerle çelişmeyeceği belirtilerek, istatistiksel ürünlerin gizlilik yükümlülüklerinin hala geçerli olduğu ima ediliyor.
Bu kararın sonuçları, kullanışlılık veya gizlilik, hatta muhtemelen her ikisi için de korkunç olacak. İfşa kaçınma araç kutusundan önemli araçları çıkarmak, her zaman daha sancılı gizlilik/kullanışlılık dengelerine yol açacaktır. Diferansiyel gizlilik, şu anda sahip olduğumuz en iyi araçtır. Benzer gizlilik seviyelerinde diğer tekniklerden daha fazla veri faydası elde etmemizi sağlar. Bu araç kaldırıldığında, geriye ya benzer gizlilik seviyelerinde daha kötü fayda sağlayan ya da aynı fayda için daha kötü gizlilik sunan teknikler kalır.
Dahası, diğer birçok ifşa kaçınma tekniği de gürültü eklemeye dayanır. Hücre Anahtarı yöntemi, yer değiştirme ve hatta örnekleme veya veri tamamlama (imputation) bile bir şekilde verilere rastgelelik katar. Buna karşılık, kabalaştırma ve bastırma çok kaba araçlardır. Bunlar ancak istatistiklerin zaten çok kaba olduğu ve çok fazla istatistiğin yayınlanmadığı durumlarda işe yarar. ABD Nüfus Sayımı gibi küçük gruplar hakkında çok sayıda istatistik içeren karmaşık veri ürünleri için, bu yöntemler ya verinin tüm faydasını yok eder ya da gizlilik saldırılarına karşı çok savunmasız hale getirir.
Gizlilik saldırıları, bir denklem sistemini çözmekle ilgilidir. İstatistiklerin tamamen doğru olduğundan emin olduğunuzda bu çok daha kolay bir iştir. Gürültü, olasılıkları hesaplamanızı, belirsizliği ölçmenizi ve baz çizgilerini dikkatlice değerlendirmenizi gerektirir. Bu yüzden rastgelelik, ifşa kaçınma için bu kadar faydalı bir araçtır. Rastgeleliği kaldırırsanız, saldırılar çok kolay hale gelir.
Peki, Bu Neden Oluyor?
Bunun neden olduğu belirsizliğini koruyor. Belki amaç, ABD Nüfus Sayımı’nı gelecekteki gerrymandering (seçim bölgelerini yeniden şekillendirme) çabalarına yardımcı olacak şekilde, yeniden kimlik tespitine olanak tanıyan istatistikler yayınlamaya zorlamak mıdır? Ya da tam tersine, araştırmacıların nüfus arasındaki eşitsizlikleri göstermesini engellemek için faydalı demografik verilerin yayınlanmasını durdurmak mı amaçlanmıştır?
Hanlon’ın usturası alternatif bir açıklama sunuyor: istatistiksel veri yayınlarının doğasında bulunan temel gizlilik/fayda dengesi ‘can sıkıcı’dır. Birçok istatistik yayınlamanın otomatik olarak yüksek bir gizlilik riskiyle gelmemesi çok daha kolay olurdu. Diferansiyel gizlilik, bu dengeyi açıkça ortaya koyar ve böylece göz ardı edilmesini imkansız kılar. Belki de bu yasağın amacı, sorunun var olmadığını, ortadan kalkacağını varsaymaktır.
