人口贩运受害者的合成数据集可以在不损害隐私的情况下允许大数据工作

据悉，为了有效打击人口贩运，打击人口贩运的人必须了解它——如今，这意味着数据。不幸的是，由于显而易见的原因，没有方便的贩运受害者索引，尽管这种机密信息在某些方面是丰富的。Microsoft和国际移民组织可能已经找到了一种新的合成数据库，该数据库具有真实贩运数据的所有重要特征，但完全是人造的。

虽然每个受害者毫无疑问都是个体，但基本的高级问题，例如哪些国家越来越成为贩运的来源或手段，使用的路线和方法，以及受害者最终流向何处，则是一个统计问题。确定趋势和模式的证据对预防至关重要，这些证据被锁定在成千上万个大多数人不愿公开的个人故事中。

国际移民组织项目协调员哈里库克在描述该数据集的新闻稿中说：“关于已确定的人口贩运案件的行政数据是可用数据的主要来源之一，但此类信息高度敏感。”“在过去两年中，IOM很高兴与微软研究院合作，在共享此类数据进行分析的关键挑战上取得进展，同时保护受害者的安全和隐私。”

从历史上看，对于犯罪数据库和医疗信息之类的内容，策略是自由编辑，但这种“去匿名化”方法已被证明对任何重建数据的认真尝试都无效。由于有大量公开和泄露的数据库以及随时可用的计算能力，因此可以非常可靠地提供编辑过的信息。

MicrosoftResearch采取的选择是使用原始数据作为合成数据集的基础，该合成数据集保留了来源的所有重要统计关系，但没有任何可识别信息。这不仅仅是将“JaneDoe”变成“JanetDoeman”以及她从克利夫兰到皇后区的家乡。相反，具有相似或重叠数据的不少于10人的组被合并以创建一组属性，这些属性在统计上准确地表示他们，但不能用于单独识别他们。

这自然没有原始数据的粒度，但与敏感源不同的是，这些数据实际上是可以使用的。某些工作组不一定会分析并说“好吧，下一次走私行动将基于……”，而是基于第一手证据的这些数据可以作为在政策和外交中解决此问题的事实记录等级。以前人们可能不得不以更笼统的方式说X国或Z政府在这些问题上疏忽大意或串通一气，但有确凿的数据来支持这一点，人们可以说“36%的性交易受害者都经过了你的管辖范围。”

并不是说数据必须用于强硬策略——简单地将人类苦难的全球贸易理解为一个系统，而不仅仅是一系列相互关联的事件本身就很有价值。您可以在此处仔细阅读数据并请求使用它，并在程序的GitHub上了解有关创建它的过程的更多信息。