隐私数据泄露类型-基于大数据挖掘的再犯罪预测

通常在数据库及大数据平台中，数据以结构化的格式存储，每个表有诸多行组成，每行数据有诸多列组成。根据列的数据特征，数据列通常可以分为以下几种类型：

可识别列：可确切定位某个人的列，例如：身份证号，地址以及姓名等；

半识别列：单列并不能定位个人，但是多列信息可用来潜在地识别某个人，例如：邮编号，生日及性别等。美国的一份研究论文称，仅使用邮编号，生日和性别信息即可识别87%的美国人；

半识别列：单列并不能定位个人，但是多列信息可用来潜在地识别某个人，例如：邮编号，生日及性别等。美国的一份研究论文称，仅使用邮编号，生日和性别信息即可识别87%的美国人；

包含用户敏感信息的列，如交易数额，疾病以及收入等；

包含用户敏感信息的列，如交易数额，疾病以及收入等；

其他不包含用户敏感信息的列。

隐私数据泄露可以分为多种类型，根据不同的类型，通常可以采用不同的隐私数据泄露风险模型来衡量隐私数据泄露的风险，以及对应不同的数据脱敏算法对数据进行脱敏。一般来说，隐私数据泄露类型包括：

个人标识泄露。当数据使用人员通过任何方式确认数据表中某条数据属于某个人时，称为个人标识泄露。个人标识泄露最为严重，因为一旦发生个人标识泄露，数据使用人员就可以得到具体个人的敏感信息。(https://www.xing528.com)

特征泄露。当数据使用人员根据其访问的数据表了解到某个人新的特征信息时，称为特征泄露。个人标识泄露肯定会导致特征泄露，但特征泄露也有可能单独发生。

成员关系泄露。当数据使用人员可以确认某个人的数据存在于数据表中时，称为成员关系泄露。成员关系泄露风险相对较小，个人标识泄露与特征泄露肯定意味着成员关系泄露，但成员关系泄露也有可能单独发生。

其他不包含用户敏感信息的列。

隐私数据泄露可以分为多种类型，根据不同的类型，通常可以采用不同的隐私数据泄露风险模型来衡量隐私数据泄露的风险，以及对应不同的数据脱敏算法对数据进行脱敏。一般来说，隐私数据泄露类型包括：

个人标识泄露。当数据使用人员通过任何方式确认数据表中某条数据属于某个人时，称为个人标识泄露。个人标识泄露最为严重，因为一旦发生个人标识泄露，数据使用人员就可以得到具体个人的敏感信息。

特征泄露。当数据使用人员根据其访问的数据表了解到某个人新的特征信息时，称为特征泄露。个人标识泄露肯定会导致特征泄露，但特征泄露也有可能单独发生。

成员关系泄露。当数据使用人员可以确认某个人的数据存在于数据表中时，称为成员关系泄露。成员关系泄露风险相对较小，个人标识泄露与特征泄露肯定意味着成员关系泄露，但成员关系泄露也有可能单独发生。