← Retour au blog

La Confidentialité Différentielle pour les Rapports Analytics Partagés

Supprimer les noms ou masquer les petites cellules ne rend pas un rapport analytics privé. La confidentialité différentielle est mesurable si budget et requêtes sont conçus ensemble.

Un rapport agrégé peut révéler des informations même s’il ne contient ni noms ni identifiants de compte. Un groupe réduit, des exports répétés ou deux requêtes qui ne diffèrent que par l’activité d’une personne peuvent indiquer si cette personne a contribué. Un dashboard n’est pas « anonyme » simplement parce qu’il affiche des totaux.

Ce problème devient concret pour les équipes qui créent des analytics partagés et des rapports publics. En mars 2025, le NIST a publié SP 800-226, des recommandations pour évaluer les garanties de confidentialité différentielle. Pour les équipes d’ingénierie, cela impose un changement utile : les affirmations de confidentialité doivent être évaluées comme des propriétés du mécanisme de publication, et non déduites du format de sortie.

L’agrégation n’efface pas le risque de divulgation

Supposons qu’un rapport affiche une visite pour une campagne rare, ou qu’un client puisse filtrer sur une seule date, un pays et une page. Le total peut alors décrire en pratique une personne ou une entreprise. Masquer les petites cellules limite certaines divulgations directes, mais il reste possible de combiner des totaux qui se recoupent, de comparer des versions successives ou d’utiliser des informations externes pour déduire une valeur cachée.

Il n’existe pas de seuil universel de taille de cellule qui rende chaque jeu de données sûr. Le risque dépend de ce que révèle la sortie, des autres informations disponibles, des personnes qui peuvent interroger le système et de la fréquence de changement du résultat. Les recommandations de désidentification du NIST rappellent également que supprimer les identifiants n’est qu’une technique possible ; il faut évaluer la publication envisagée et ses risques de divulgation.

Ce que change la confidentialité différentielle

La confidentialité différentielle (DP) définit une limite mathématique à la variation du résultat d’une analyse randomisée lorsque les données d’une personne sont incluses plutôt qu’exclues. Elle ne promet pas qu’aucune inférence individuelle ne sera jamais possible. Elle limite plutôt, sous des hypothèses explicites, l’influence supplémentaire de la participation d’une personne.

Le paramètre epsilon (ε) exprime généralement la limite de perte de confidentialité. Un epsilon plus faible offre en général une meilleure protection pour un mécanisme donné, mais ce n’est pas un score de sécurité universel : son interprétation dépend de la définition des jeux de données voisins, du mécanisme et de la composition des publications. Un système qui dépense son budget de confidentialité dans de nombreuses requêtes peut révéler davantage qu’une seule requête ne le laisse penser.

Pour l’analytics web, définissez d’abord ce qu’est une contribution. S’agit-il d’une page vue, d’un visiteur quotidien, d’un site ou d’une personne-jour ? Limitez le nombre et l’ampleur des contributions de chaque personne, puis concevez la requête et le mécanisme de bruit en fonction de cette limite. Si un visiteur peut ajouter des milliers de lignes à un décompte, ajouter du bruit uniquement au total final ne garantit peut-être pas la protection individuelle attendue.

Budgéter toute la surface de publication

Suivez la dépense de confidentialité pour toutes les sorties qui utilisent les mêmes données sous-jacentes. Un générateur de requêtes avec plages de dates, filtres et exports arbitraires présente un risque différent d’un rapport hebdomadaire fixe. Limitez les dimensions disponibles, regroupez les catégories rares et décidez si les requêtes sont mises en cache, composées ou débitées d’un budget fini. Ce sont autant des décisions de produit et d’API que des décisions statistiques.

Rendez le budget explicite dans la conception du système. Consignez l’unité protégée, le modèle d’adjacence, le mécanisme, epsilon et tout delta, les limites de contribution, la fréquence de publication et les personnes autorisées à déclencher une publication. Ne traitez pas silencieusement la régénération du même rapport comme un résultat indépendant. Ajouter un bruit différent à chaque exécution peut permettre de faire des moyennes ; réutiliser une réponse en cache évite ce problème précis d’échantillonnage répété, sans supprimer toutes les questions de composition.

Ne présentez pas un seuil comme une garantie

Une taille minimale de groupe, un nombre arrondi ou une ligne masquée réduit utilement certains risques, mais ne constitue pas de la confidentialité différentielle. SP 800-226 du NIST est utile parce qu’il se concentre sur l’évaluation des garanties et de leurs hypothèses, plutôt que de considérer le nom d’une technique comme une preuve. SP 800-188 recommande aussi de choisir un modèle de partage, de définir des objectifs mesurables de désidentification et d’évaluer les risques correspondant à la publication.

Tous les produits n’ont pas besoin de DP. Un dashboard privé accessible à un seul client autorisé n’a ni le même public ni le même modèle de menace qu’un benchmark public ou un rapport inter-clients. Mais si le système autorise des requêtes répétées sur de nombreux tenants, partez du principe que les résultats seront comparés et définissez le modèle de confidentialité avant d’offrir cette souplesse.

Le contrôle de divulgation statistique n’est pas une couche cosmétique ajoutée à un dashboard terminé. L’unité protégée, le budget de requêtes et la conception du rapport déterminent si un agrégat peut être partagé sans risque.

Sources

Comments

Loading comments…