Профилирование в реальной жизни по квазиидентификаторам

Попалась на глаза работа "Routes for breaching and protecting genetic privacy", Yaniv Erlich, Arvind Narayanan.

Institute for Biomedical Research, Nine Cambridge Center, Cambridge Department of Computer Science, Princeton University.

Генетические аспекты сравниваются с профилированием в реальной жизни. Отбросим в сторону генетику и посмотрим на самую простую и понятную таблицу в публикации.

Средняя энтропия квазиидентификаторов жителей США:

Сложим всё, кроме данных ДНК:

1.0 + 1.4 + 1.4 + 2.2 + 5.0 + 5.0 + 6.3 + 8.5 + 12.9 + 13.8 = 57.5

2^57.5 = 203809653520824722

В США живёт 316862000 жителей.

Даже парадокс близнецов мало поможет спрятаться, тем более он даёт в большинстве только второго похожего:

2^(57.5/2) = 451452825

С учётом всех погрешностей, запас по точности профилирования всё равно большой.

А если теперь представить, что наблюдатель может:

1. Заполнить максимально полные базы данных по квазиидентификаторам всего населения.
2. Запустить системы слежения за квазиидентификаторами в реальной жизни, по метаданным в каналах связи.
3. Работать с персонализированными квазиидентификаторами (предпочтения, привычки, покупки, паттерны поведения, маршруты перемещений).
4. Обрабатывать эти данные.
5. Строить графы связей между носителями квазиидентификаторов.

Причём всё это тривиальные общеизвестные факты, можно было лет ~дцать тому назад обо всём догадаться и сделать выводы о возможности существования подобных программ.

P.S.: В работе встречается аббревиатура PGP — Personal Genome Project, данные о персональном геноме предлагается защищать гомоморфным шифрованием.