In recent years, data privacy has become a major concern for data owners who share information on private databases. In order to deal with this issue, data owners employ various mitigation strategies including disclosing partial information on datasets (i.e., mean, median, histograms) or obfuscating the private attributes in a way that keeps a balance between data privacy and utility. However, such methods have failed to preserve privacy under certain adversary models. As an example, distance preserving transforms are found to be vulnerable to attacks in which adversary has access to a few known records in the database. In this work, we similarly analyze the privacy implications of rank publication of data records based on the output of a ranking function. While much research has gone in the design of a ranking function, analyzing privacy issues of database rankings is still a novelproblem. Many real-world websites reveal ranking of data records assuming that ranking itself is not privacy sensitive. Examples of such rankings are evaluations of universities, jobs, bank credit applications and hospital statistics on various categories. Our work shows that seemingly naive information about rankings can cause severe privacy leakages. In particular, we show that an adversary with a few known samples from the private data can infer about the actual attributes of an unknown record by utilizing the ranking information.

Son yıllarda, veri gizliliği, özel veritabanları hakkında bilgi paylaşan veri sahipleri için büyük bir endişe haline gelmiştir. Bu konuyla ilgilenmek için, veri sahipleri veri kümeleri hakkında kısmi bilgilerin (yani, medyan, histogramlar) ifşa edilmesi veya özel niteliklerin veri gizliliği ile fayda arasında dengeyi koruyacak şekilde gizlenmesi gibi çeşitli etki azaltma stratejileri kullanır. Bununla birlikte, bu gibi yöntemler, bazı olumsuz modellerde gizliliğin korunmasında başarısız olmuştur. Örnek olarak, mesafe koruma dönüşümlerinin, kötü niyetli bir kişinin veritabanındaki bilinen birkaç kayda erişebileceği saldırılara karşı savunmasız olduğu gösterilmiştir.Bu çalışmada, benzer şekilde bir sıralama fonksiyonunun çıktısına dayanarak veri kayıtlarının sıralı yayınlarının gizlilik etkilerini analiz ettik. Sıralama fonksiyonlarının tasarımında birçok araştırma yapılmasına rağmen, veritabanı sıralamasının gizlilik konularını analiz etmek halen üzerinde çalışılmamış bir alandır. Birçok gerçekdünya web sitesi, sıralamanın kendisinin mahremiyete duyarlı olmadığı varsayılarak veri kayıtlarının sıralamasını yayınlamaktadır. Bu sıralamalara örnek olarak üniversite, iş, banka kredisi başvuruları ve hastane istatistiklerinin çeşitli kategorilerdeki değerlendirmeleri verilebilir. Bu çalışmada, sıralamalarla ilgili sorunsuz görünenbilgilerin ciddi gizlilik sızıntılarına neden olabileceğini gösterilmektedir. Özellikle, özel verilerden birkaç bilinen örneğe sahip bir rakibin, sıralama bilgisini kullanarak bilinmeyen bir kaydın gerçek özellikleri hakkında çıkarım yapabileceğini gösteriyoruz.