An toàn CSDL thống kê

CHƯƠNG 4
AN TOÀN CSDL THỐNG KÊ

Giảng viên:
Trần Thị Lượng


Mục tiêu
 Chúng ta đi sâu vào các vấn đề suy diễn trên các CSDL thống kê.
 Thảo luận một số kỹ thuật bảo vệ cơ bản:
 Kỹ thuật dựa vào khái niệm
 Kỹ thuật dựa vào hạn chế

 Kỹ thuật dựa vào gây nhiễu

 Đánh giá chung về đặc trưng của các kỹ thuật này.


Nội dung
 4.1 Giới thiệu
 4.2 Các khái niệm cơ bản và giả định
 4.3 Một số kiểu tấn công suy diễn
 4.4 Các kỹ thuật chống suy diễn
 4.4.1 Các kỹ thuật khái niệm
 4.4.2 Các kỹ thuật dựa vào hạn chế
 4.4.3 Các kỹ thuật dựa vào gây nhiễu

 4.5 Khung làm việc chung dành cho việc so sánh các kỹ thuật chống suy diễn


4.1 Giới thiệu

 CSDL thống kê (SDB) là một CSDL chứa các bản ghi nhạy cảm mô tả
về các cá nhân nhưng chỉ các câu truy vấn thống kê (như: COUNT,
SUM, MEAN, MAX, MIN…) mới được trả lời, ngoài các câu truy vấn
này thì những truy vấn vào các mục dữ liệu riêng sẽ không được đáp lại


Ví dụ một số câu truy vấn thống kê
 COUNT:
 Select count(*) from Nhanvien

(Trả lại tổng số lượng các bg trong table)
 Select count(Luong) AS count_Luong from Nhanvien
 Select count(Distinct Luong) from Nhanvien

(Trả lại số lượng các loại lương phân biệt nhau)
 select count(*) from nhanvien where Luong<=1000


Ví dụ một số câu truy vấn thống kê
 SUM:
 Select SUM(Luong) as sum_Luong from Nhanvien
 Select SUM(Distinct Luong) as sum_Luong from Nhanvien
 Select Chucvu, Sum(Luong) from Nhanvien GROUP BY chucvu
 Select HoTen, chucvu, Luong from nhanvien

ORDER by chucvu
Compute SUM(Luong) by chucvu
(Thêm cột tổng lương với từng kiểu chức vụ)

Ví dụ một số câu truy vấn thống kê
 AVG:
 Select AVG(Luong) AS avg_Luong from Nhanvien
 Select AVG(Luong) AS avg_Luong from Nhanvien where Luong>1000
 Select AVG(distinct Luong) AS avg_Luong from Nhanvien
 Select chucvu, AVG(Luong) as avg_Luong, SUM(Luong) as sum_luong from Nhanvien

Group by chucvu
Order by chucvu


Ví dụ một số câu truy vấn thống kê
 MIN:
 Select MIN(Luong) from Nhanvien
 Select MIN(Distinct Luong) from Nhanvien

 MAX
 Select MAX(Distinct Luong) from Nhanvien
 Select MAX(Luong) from Nhanvien


4.1 Giới thiệu
 Ứng dụng của SDB (Statistical Database): CSDL điều tra dân số, CSDL về số
người tử vong, về kế hoạch kinh tế, CSDL thống kê về khám chữa bệnh, CSDL
về các vụ tai nạn ô tô, CSDL về cơng nhân, CSDL thống kê về tội phạm…
 Ví dụ:


4.1 Giới thiệu
 Vấn đề bảo vệ SDB: Vấn đề chính trong bảo vệ SDB là dàn xếp giữa các yêu cầu cá

nhân và quyền của các tổ chức để biết và xử lý thông tin => vấn đề suy diễn trong
SDB.
 Suy diễn: trong một SDB có nghĩa là có thể thu được các thơng tin bí mật trong các
thực thể đơn lẻ, bằng cách lợi dụng các câu truy vấn thống kê.


4.1 Giới thiệu
 Một SDB chắc chắn bị lộ: nếu người sử dụng phát hiện được một cá nhân có một
đặc điểm cụ thể nào đó, nghĩa là người dùng biết cá nhân này được biểu diễn trong
SDB có một số giá trị thuộc tính nào đó.
 Một SDB hồn tồn khơng bị lộ: nếu người sử dụng biết được một cá nhân cụ thể
không nắm giữ một đặc điểm nào đó.


4.1 Giới thiệu
 Các đặc tính của SDB cần được bảo vệ:
 SDB tĩnh: SDB không thay đổi trong suốt thời gian tồn tại của chúng.
 SDB động: thay đổi liên tục theo sự thay đổi của dữ liệu thực, cho phép sửa đổi, nghĩa là được

phép chèn hoặc xoá các thực thể để phản ánh các thay đổi động của thế giới thực (ví dụ các CSDL
nghiên cứu trực tuyến, lớp học trực tuyến khi bổ sung thành viên,…).


4.1 Giới thiệu
 SDB trực tuyến (online): trong đó người sử dụng nhận được các phản hồi thời

gian thực cho các câu truy vấn thống kê của mình.
 SDB ngoại tuyến (offline): trong đó người sử dụng khơng biết khi nào các

thống kê của họ được xử lý, việc SDB bị lộ sẽ khó khăn.

4.1 Giới thiệu
 Kiến thức làm việc (working knowledge) là tập các mục thông tin liên quan đến các

giá trị thuộc tính trong SDB và các kiểu thống kê có sẵn trong SDB
 Kiến thức bổ sung của người sử dụng (sumplementary knowledge): Người sử dụng

có thể có kiến thức bổ sung về các cá nhân được biểu diễn trong SDB. Họ hồn
tồn có thể lợi dụng kiến thức này cho các mục đích suy diễn.


Mơ hình làm lộ SDB


Ví dụ về làm lộ một SDB
Ví dụ 1 (lộ chính xác)


Ví dụ 2 (lộ

xấp xỉ)


Ví dụ 2


Nội dung
 4.1 Giới thiệu
 4.2 Các khái niệm cơ bản và giả định

 4.3 Một số kiểu tấn công suy diễn
 4.4 Các kỹ thuật chống suy diễn
 4.4.1 Các kỹ thuật khái niệm
 4.4.2 Các kỹ thuật dựa vào hạn chế
 4.4.3 Các kỹ thuật dựa vào gây nhiễu

 4.5 Khung làm việc chung dành cho việc so sánh các kỹ thuật chống suy diễn


4.2 Các khái niệm cơ bản và các giả định
 CSDL thống kê (SDB): ta xem xét cấu trúc của một SDB là một dạng quan hệ, giả sử là
R.
 N là số bản ghi: Xi là bản ghi thứ i
 M là số thuộc tính: A1, A2, …, AM
 Xij là giá trị của thuộc tính Aj trong bản ghi xi
 Mỗi thuộc tính Aj (1≤ j ≤ M) có thể có |Aj | giá trị.


4.2 Các khái niệm cơ bản và các giả định


4.2 Các khái niệm cơ bản và các giả định
 Ví dụ về một SDB:
 SDB về cơng nhân (Lương):

ID

Tên

Chức vụ

Phịng

Tuổi

Giới tính

Lương

01

Nam

Nhân viên

Maketing

29

M

3500

02

Lan

Trưởng phong

Kế hoạch

33

F

6200

03

Huệ

Nhân viên

Kế hoạch

27

F

4000

04

Minh

Giám sát viên

Maketing

24

M

3600

05

Quỳnh

Nhân viên

Kế hoạch

24

F

2900


4.2 Các khái niệm cơ bản và các giả định
 SDB về các vụ tai nạn ô tô

HoTen

Tuoi Đ/C

MauXe

LoaiXe

ThoiGian

Nguyễn Văn Tài

25

HN

Xanh

Honda

37

HD

Đỏ

Hồng Văn Minh

42

PT

Vũ Bình Minh

32

Trần Quang Hịa

22

Lê sỹ Hồng

CoLoi

SayRuou

13.30

1

1

Toyota

6.25

1

0

Trắng

Audi

17.45

0

0

PT

Vàng

Volkswago
n

3.30

0

1

HN

Xanh

Honda

6.30

1

0


4.2 Các khái niệm cơ bản và các giả định

 SDB về các Sinh viên

Tên

Giới
tính

Địa chỉ

Phụ cấp

Nghiện ma
túy

Lớp

Minh

M

HN

500

1

Tốn1

Hải

M

HD

0

0

Tốn2

Tuyết

F

NĐ

300

0

Tin1

Nam

M

BG

100

3

Tin2

Phương

F

NA

200

1

Tốn2

Hạnh

F

HT

100

0

Tốn1


4.2 Các khái niệm cơ bản và các giả định

 SDB vĩ mơ về các Sinh viên

Tốn1

Tốn2

Tin1

Tin2

M

500

0

0

100

F

100

200

300

0

Tổng
Tổng cộng phụ cấp theo giới tính và theo lớp
600
200

300

100