On the tradeoff between privacy and utility in genomic studies: Differential privacy under dependent tuples

Genom dizilemesindeki hızlı ilerleme ve dizilim maliyetlerindeki azalma, genomik verilerin y¨uksek kullanılabilirli˘gine yol a¸cmı¸stır. Bu verilerin incelenmesi, hastalık ¸ca˘grı¸sımları ve evrimimiz hakkındaki kilit soruların cevaplanmasına b¨uy¨uk ¨ol¸c¨ude yardımcı olabilir. Bununla birlikte, katılımcıların hassas bilgileri hakkındaki artan gizlilik endi¸seleri nedeniyle, ¨onemli sonu¸clara ve genomik ¸calı¸smaların verilerine (genom ¸capında ili¸ski ¸calı¸smaları - GWAS gibi) eri¸smek yalnızca g¨uvenilir ki¸silerle sınırlıdır. Ote yandan, biyomedikal atılımlara ve ke¸siflere ¨ giden yolu a¸cmak, genomik veri k¨umelerine a¸cık eri¸sim verilmesini gerektirir. Gizlilik koruma mekanizmaları, ki¸silerin genetik verilerinin gizlili˘gini korurken bu t¨ur verilere daha geni¸s eri¸sim sa˘glamak i¸cin bir ¸c¨oz¨um olabilir. Ozellikle, genomik veriler hakkındaki ¨ozet istatistikleri payla¸sırken, diferansiyel gizlilik (DP) kavramının uygulanmasına y¨onelik ilgi artmaktadır. DP, veri seti hakkında istatistiksel bilgiler payla¸sırken veri bankasına ¨uyelik ¸cıkarım riskini ¨onlemek i¸cin matematiksel bir yakla¸sım sa˘glar. Ote yandan, DP, genomik veri k¨umeleri ¨ i¸cin ortak bir durum olan veri seti elemanları arasındaki korelasyonu (aile ¨uyelerinin genomları arasındaki do˘gal korelasyonlar) dikkate almadı˘gı i¸cin bilinen bir dezavantaja sahiptir. Bu DP'nin sundu˘gu gizlilik garantilerini bozabilir. Statik ve dinamik genomik veri k¨umelerine odaklanan bu tezde DP'nin bu dezavantajını g¨osteriyor ve onu hafifletmek i¸cin teknikler ¨oneriyoruz. ˙Ilk olarak, ger¸cek hayattaki bir genomik veri k¨umesi kullanarak, veri k¨umesindeki girdiler arasındaki korelasyonları kullanarak, farklı ¨ozel sorgu sonu¸clarına bir ¨ozellik ¸cıkarsama saldırısının fizibilitesini g¨osteriyoruz. Sayıda gizlilik kaybını, k¨u¸c¨uk alel frekansını (MAF) ve ki-kare sorgularını g¨osteriyoruz. Sonu¸clar, veri k¨umesinde birbirine ba˘gımlı elemanlar oldu˘gunda g¨uvenlik a¸cı˘gı ¨ol¸ce˘gini g¨osteriyor. Elde etti˘gimiz sonu¸clar, saldırganın, kullanıcı ¨uyelerinin genomları arasındaki korelasyonları kullanarak bir toplam sorgusunun farklı sonu¸clarından bir kullanıcı hakkındaki hassas genomik verileri ¸cıkarabildi˘gini g¨ostermektedir. Sonu¸clarımız ayrıca statik ve dinamik genomik veri k¨umelerinde farklı MAF sorgularının sonu¸clarını kullanarak ve elemanlar arasındaki ba˘gımlılı˘gı kullanarak, bir saldırganın bir hedefin genomu hakkında (orijinal gizlilik garantilerine kıyasla) %50'ye kadar daha hassas bilgi ortaya ¸cıkarabildi˘gini g¨ostermektedir. Ayrıca, saldırganın, bir hedefin ba¸ska bir genomik veri k¨umesine (¨orn., hassas bir ¨ozellik ile ili¸skili) ¨uyeli˘gini ¸cıkarmak i¸cin nitelik ¸cıkarım saldırısından elde edilen ¸cıkarımsal genomik verileri kullanabilece˘gini g¨osteriyoruz. Bir log olabilirlik oranı (LLR) testi kullanarak, sonu¸clarımız, saldırganın ¸cıkarım g¨uc¨un¨un, b¨oyle bir saldırıda, ¸cıkarımsal (ve dolayısıyla kısmen yanlı¸s) genomlar kullanarak bile ¨onemli ¨ol¸c¨ude y¨uksek olabilece˘gini g¨ostermektedir. Son olarak, elemanlar arasındaki ba˘gımlılı˘gı g¨oz ¨on¨unde bulundurarak gizlilik garantilerini elde etmek i¸cin genomik veri k¨umelerinden istatistiklerin gizlili˘gin korunması i¸cin bir mekanizma ¨oneriyoruz. Mekanizmamızı farklı genomik veri k¨umeleri ¨uzerinde de˘gerlendirerek, ¨onerilen mekanizmamızın geleneksel DP tabanlı ¸c¨oz¨umlerden %50'ye kadar daha iyi gizlilik sa˘glayabildi˘gini ampirik olarak g¨osteriyoruz. Anahtar s¨ozc¨ukler : Genomik veri k¨umesi, diferansiyel gizlilik, ¸cıkarsama saldırısı