Datenabgleich

1. Grundprobleme von Datenschutz und Datensicherheit

Datenabgleich

Zusammenführen von Informationen aus verschiedenen Quellen
Inferenzen, z. B. Deanonymisierung, durch Überschneidungswissen:

[Überschneidungswissen]

Identifizierung um so leichter,

je größer das Überschneidungswissen ist,
je differenzierter die einzelnen Merkmale oder gewisse Merkmalskombinationen sind.

Auch nach »formaler« Anonymisierung sind genügend Merkmale zur eindeutigen Identifizierung vorhanden.

Ein (fiktives) Beispiel

Merkmale externes Wissen Datensatz
Identität: Name
Geburtsdatum Mustermann, Klaus
26.8.1946 ---
---
Überschneidungswissen: Beruf
Familienstand
Zahl der Kinder
Wohnort
Alter Professor
verheiratet
2
55218 Ingelheim
(siehe Geburtsdatum) Universitätsprofessor
verheiratet
2
Ingelheim
52
Zieldaten: Schulden
Vorstrafen ?
? 241000 DM bei XY-Bank
keine

Merkmale	externes Wissen	Datensatz
Identität:	Name Geburtsdatum	Mustermann, Klaus 26.8.1946	--- ---
Überschneidungswissen:	Beruf Familienstand Zahl der Kinder Wohnort Alter	Professor verheiratet 2 55218 Ingelheim (siehe Geburtsdatum)	Universitätsprofessor verheiratet 2 Ingelheim 52
Zieldaten:	Schulden Vorstrafen	? ?	241000 DM bei XY-Bank keine

5 harmlose Merkmale reichen zur Identifizierung.

Vorlesung Datenschutz und Datensicherheit.
Autor: Klaus Pommerening, 31. März 1999, letzte Änderung: 29. April 1999
E-Mail an Pommerening »AT« imbei.uni-mainz.de.