gms | German Medical Science

Für viele medizinische Forschungsprobleme liegen relevante Daten über die gleichen Personen in getrennten Datenbanken vor. Die Verknüpfung dieser Datenbanken würde die Untersuchung zahlreicher Fragestellungen erlauben, falls keine Datenschutzbedenken bestünden. Die rechtlichen Hürden für die Zusammenführung solcher Daten sind im internationalen Vergleich in Deutschland außerordentlich hoch. Weiterhin existiert in Deutschland keine einheitliche Personenkennziffer. Daher sind Datenzusammenführungen („Privacy Preserving Record Linkage“, PPRL) in Deutschland sowohl technisch als auch organisatorisch besonders aufwändig.

Der Vortrag stellt technische Lösungen für die beiden zentralen Probleme des PPRL vor: Privacy Preserving Linkage und Privacy Preserving Blocking. Der Kern des Linkageproblems besteht in der Berechnung der Ähnlichkeit der zur Verfügung stehenden Identifikatoren, ohne dass die Identifikationen offengelegt werden müssen. Traditionell wurde dieses Problem durch die Verschlüsselung phonetischer Codes behandelt, dabei zeigen sich aber erhebliche Verluste durch falsch-negative Paare. Für die Lösung dieses Problems wurde in den letzten 10 Jahren eine Reihe neuer Verfahren entwickelt, insbesondere Refenzmengenlösungen, Secure Multiparty Protokolle und Bloomfilter-Verschlüsselungen. Praktische Anwendungen hat vor allem der letztgenannte Ansatz erfahren, daher wird dieser etwas ausführlicher erläutert. Die Datenstruktur eines Bloomfilters ist ein Bitarray, daher stellt sich unmittelbar die zweite zentrale Frage des PPRL mit Bloomfiltern: Wie findet man die nächsten Nachbarn einer großen Zahl von Bitarrays, ohne das alle Paare berechnet werden müssen? Dies ist das Problem des Privacy-Preserving-Blockings. Auch hier wurden in den letzten 15 Jahren zahlreiche Lösungen vorgeschlagen, z.b. Sorted Neighborhoods, Canopy Clustering und Multibit-Trees. Der Vortrag erläutert diese Techniken im Vergleich anhand zahlreicher simulierter und realer Datensätze.