Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA (Teil 2)

Transkript

1 Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA (Teil 2) Workshop: Scientific Use Files aus verknüpften Sozialdaten , Berlin Manfred Antoni Alexandra Schmucker

2 Portfolio des Datenschutzes Ergebniskontrolle Datenzugang Daten Voraussetzungen Anonymisierung Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 2

3 Voraussetzungen für den Datenzugang wissenschaftliche Forschung Bezug zum sozialen Sicherungssystem oder Arbeitsmarkt- und Berufsforschung wiss. Forschungseinrichtung Zweckbindung Erforderlichkeit der Daten Ergebniskontrolle Datenzugang Daten Anonymisierung Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 3

4 Regelungen zum Datenzugang Ergebniskontrolle Voraussetzungen Abschluss von spezifischen Nutzungsverträgen nach Datenzugangsweg Zweckbindung, Nutzungsende, nutzungsberechtigte Personen Datenschutzvorschriften, Verhaltensrichtlinien Sanktionen bei Vertragsverletzung Daten Anonymisierung Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 4

5 Datenzugangswege des FDZ Off-Site Use On-Site Use Campus Files Absolut anonym Scientific Use File Faktisch anonymisiert Datenfernverarbeitung mittels JoSuA Schwach anonymisiert Gastaufenthalt Lehre Datenverarbeitung in der wiss. Einrichtung Übermittlung der Ergebnisse nach der Datenschutzprüfung Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 5

6 Datenzugangswege (I): Gastaufenthalt Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 6

7 Datenzugangswege (II): Datenfernverarbeitung Job Submission Application Web-Interface: Manual: Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 7

8 Anonymisierung von Mikrodaten Ergebniskontrolle Voraussetzungen Datenzugang Daten Stichprobenziehung Löschung von Identifikatoren Vergröberung von sensiblen Merkmalen (z.b. Nationalität, Branche, Regionalangaben) Top coding (z.b. Entgelt) Data swapping bei Testdaten Synthetische Daten Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 8

9 Datenüberblick Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 9

10 Vom FDZ aktuell angebotene verknüpfte Daten Verknüpfte Personen- oder Haushaltsdaten: ALWA-Befragungsdaten verknüpft mit administrativen Daten des IAB (ALWA-ADIAB) PASS-Befragungsdaten verknüpft mit administrativen Daten des IAB (PASS-ADIAB) Verknüpfte Betriebs- und Personendaten: Linked-Employer-Employee-Daten des IAB (LIAB) Linked Personnel Panel (LPP) WeLL-Befragungsdaten verknüpft mit administrativen Daten des IAB (WeLL-ADIAB) Alle verknüpften Datenprodukte ausschließlich per Gastaufenthalt mit anschließender Datenfernverarbeitung zugänglich Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 10

11 Richtlinien der Ergebniskontrolle Daten Voraussetzungen Datenzugang Anonymisierung Manuelle Kontrolle (Unterstützung durch teilautomatisiertes Programm) Berücksichtigung des ganzen Prozesses von der Datenaufbereitung bis zur Analyse keine Einschränkungen bei den Analysemethoden Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 11

12 Kontakt Manfred Antoni Alexandra Schmucker Homepage des Forschungsdatenzentrums:

13 FDZ-in-FDZ: Grundidee Zugang zu den Daten des FDZ in den Räumen eines anderen FDZ (Gast-FDZ) Gast-FDZ FDZ der BA in Nürnberg Schnittstelle zum Verbindungsaufbau sichere Internetverbindung Server mit FDZ Daten Zutrittskontrolle Antrags- und Vertragswesen Nutzerverwaltung Outputkontrolle Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 13

14 FDZ-in-FDZ: Technische Umsetzung Citrix-Thin-Client-Lösung: FDZ-Gästenetz (abgeschottet) Thin client am externen Standort Reduzierter Rechner Benutzerschnittstelle Nur Software, die zum Aufbau der Verbindung benötigt wird Citrix Access Gateway und Citrix Server Rechen-/Stata- Server mit FDZ Daten Citrix: Firmenname Sichere Kommunikationsverbindung Kombination aus Software (Access Gateway) und Server Internationaler Standard (Statistics Netherlands, Banken, BA: client2015) Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 14

15 Datenschutzprüfungen am FDZ: Voraussetzungen Nutzerinnen und Nutzer müssen folgende Regeln bei der Analyse von schwach anonymisierten Daten beachten: Syntax-gestützte Programmierung Ausführlicher Dokumentation der Analyseschritte zur Nachvollziehbarkeit für das FDZ Protokollierung der Programmcodes und der dazugehörigen Resultate in Ergebnisdateien Anlegen einer Master-Datei zum Starten aller relevanten Syntaxdateien in der richtigen Reihenfolge Richtlinien: Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 15

16 Beispiel für Master-Datei capture cd U:\fdzXXX\ * Master-Datei des Projektes "Projektname" * Nutzer: T. Huber (th) und W. Müller (wm) version 13 clear set more off set linesize 255 adopath ++ $prog *do "$prog/th01_persdat.do" *do "$prog/th02_betrdat.do" *do "$prog/th03_datxy.do" *do "$prog/th04_analysea.do" *do "$prog/th05_analyseb.do" *do "$prog/wm01_datagen.do" do "$prog/wm02_analysex.do" do "$prog/wm03_analysey.do" // damit das Programm durchläuft // damit Tabellen nicht unnötig umbrechen // Speicherort der ado-dateien (falls benötigt) // Aufbereitung Personendaten // Aufbereitung Betriebsdaten // Zusammenspielen // Untersuchung Hypothese 1 ( ) // Untersuchung Hypothese 2 ( ) // Aufbereitung Personendaten // Untersuchung Hypothese 5 ( ) // Untersuchung Hypothese 6 ( ) * Ausgabe einer Dateiliste in eine log-datei capture log close log using "$log/dateiliste.log", replace dir $prog\* dir $log\* dir $data\* dir $orig\* log close Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 16

17 Datenschutzprüfungen am FDZ: Praxis Primärsperrung: Löschen von Ergebnissen, die auf weniger als 20 Beobachtungen basieren Sekundärsperrung: Löschen von weiteren Werten, um Rückrechnen von gelöschten Werten anhand von Randsummen zu verhindern Dominanzsperrung: Löschung von Ergebnissen, um die Identifikation von Dominanzbetrieben zu verhindern Keine Einbeziehung von alten Ergebnissen in die aktuelle Prüfung Vertragliche Verpflichtung der Nutzerinnen und Nutzer, keine Rückrechnen aus den einzelnen übermittelten Ergebnissen vorzunehmen Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 17

18 Beispiel 1: Anonymisierung von Kreuztabellen I Tabelle 1: vorher Ostdeutschland Betriebsrat Anzahl SVB Ja Nein Total 1-4 SVB SVB SVB SVB SVB SVB SVB SVB Total Tabelle 2: nachher Ostdeutschland Betriebsrat Anzahl SVB Ja Nein Total 1-4 SVB SVB 39* 547* SVB SVB SVB SVB SVB SVB 142* 16 / 158 Total Beispiel 1: Anzahl der Betriebe mit und ohne Betriebsrat für unterschiedliche Betriebsgrößenklassen in Ostdeutschland. Die Ergebnisse basieren auf Berechnungen mit den Testdaten des IAB-Betriebspanels. Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 18

19 Beispiel 2: Anonymisierung von Kreuztabellen II Tabelle 1: vorher Ostdeutschland Westdeutschland Gesamtdeutschland Betriebsrat Betriebsrat Betriebsrat Anzahl SVB Ja Nein Total Ja Nein Total Ja Nein Total 1-4 SVB SVB SVB SVB SVB SVB SVB SVB Total Beispiel 2: Anzahl der Betriebe mit und ohne Betriebsrat für unterschiedliche Betriebsgrößenklassen in Ost-, West- und Gesamtdeutschland. Die Ergebnisse basieren auf Berechnungen mit den Testdaten des IAB-Betriebspanels. Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 19

20 Beispiel 2: Anonymisierung von Kreuztabellen II Tabelle 2: nachher Ostdeutschland Westdeutschland Gesamtdeutschland Betriebsrat Betriebsrat Betriebsrat Anzahl SVB Ja Nein Total Ja Nein Total Ja Nein Total 1-4 SVB SVB 3* 54* 586 5* 84* SVB SVB SVB SVB SVB SVB 14* / * 2* Total Beispiel 2: Anzahl der Betriebe mit und ohne Betriebsrat für unterschiedliche Betriebsgrößenklassen in Ost-, West- und Gesamtdeutschland. Die Ergebnisse basieren auf Berechnungen mit den Testdaten des IAB-Betriebspanels. Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 20

21 Beispiel 3: Anonymisierung statistischer Kennzahlen Tabelle 1: vorher Branche Anzahl Azubis Anzahl Betriebe Land-, Forstwirtschaft, Bergbau 39 5 Textilien, Lederwaren, Reparatur, 4 12 Information, Architekturbüros, 2 20 Forschung, Entwicklung Erziehung, Unterricht Total Tabelle 1: nachher Branche Anzahl Azubis Anzahl Betriebe Land-, Forstwirtschaft, Bergbau 39/ 5/ Textilien, Lederwaren, 11/ 17/ Reparatur, 4/ 12/ Information, Architekturbüros, 2/ 20 Forschung, Entwicklung 22/ 12/ Erziehung, Unterricht Total Beispiel 3: Anzahl der übernommenen Azubis in ausgewählten Branchen. Die Ergenisse basieren auf Berechnungen mit den Testdaten des IAB-Betriebspanels. Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 21

22 Beispiel 4: Anonymisierung von Mittelwerten Tabelle 1: vorher Variable Obs Mean Std. Dev. Min Max Ausbildungsvertrag Ausbildungsplätze Anz. Ausbildungsplätze x = Betriebe bieten einen Ausbildungsplatz an Tabelle 1: nachher Variable Obs Mean Std. Dev. Min Max Ausbildungsvertrag Ausbildungsplätze / / 0/ 1/ Anz. Ausbildungsplätze Beispiel 4: Mittelwerte der Variablen Ausbildungsvertrag abgeschlossen, Ausbildungsplatz angeboten und Anzahl der angebotenen Ausbildungsplätze. Die Ergebnisse basieren auf Berechnungen mit den Testdaten des IAB-Betriebspanels. Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 22

23 Beispiel 5: Anonymisierung von Histogrammen nachher vorher dens freq x / 11/ 3500/ / 14/ 5500/ / 7/ 6500/ / 2/ 7500/ / 2/ 8500/ / 2/ 9500/ / 2/ 10500/ / 3/ 11500/ / 1/ 12500/ / 2/ 13500/ / 1/ 14500/ / 1/ 15500/.. 0 Beispiel 5: Preisverteilung der Automobile. Die Ergebnisse basieren auf Berechnungen mit dem Stata-Beispieldatensatz auto.dta. Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 23

24 Beispiel 6: Anonymisierung von Scatterplots Beispiel 6: Scatterplot zur Anzahl der übernommenen Azubis nach Anzahl der Beschäftigten insgesamt. Die Ergebnisse basieren auf Berechnungen mit den Testdaten des IAB-Betriebspanels. Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 24

25 Datenschutzprüfungen am FDZ: weitere Aspekte Perzentile: Mindestens 20 Beobachtungen pro Perzentil Gewichtungen und Hochrechnungen: Prüfung anhand der ungewichteten Fallzahlen analoge Löschung in den gewichteten/hochgerechneten Ergebnissen aggregierte Datensätze: Erstellung einer Variable mit Anzahl der zugrundeliegenden Beobachtungen für jedes aggregierte Merkmal Projektspezifische Absprachen zur Implementation der Datenschutzprüfung Einmalige Herausgabe pro Projekt Ausgabeformate: Ausschließlich Text-Dateien keine gesonderten Dateien neben den Syntax-generierten Ergebnisdateien Spannungsfeld Sozialdatenschutz und Nutzung von Sozialdaten durch die Wissenschaft - Handhabung bei der BA 25