A novel reconstruction attack on foreign-trade official statistics, with a Brazilian case study
官方外贸统计的重构攻击：巴西案例AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要核心是官方统计隐私、交易重构与计算复杂度，未涉及所列经济计量细分的主要方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
官方外贸统计的重构攻击：巴西案例
- 研究问题
- 公开外贸统计与辅助信息是否可能被组合起来，重新识别进口交易所属企业，从而暴露交易金额、数量等保密信息？
- 方法与思路
- 作者用定量信息流框架形式化保密问题，建模公开数据的不精确性，并将交易重构表述为可用整数线性规划求解的问题。
- 材料陈述的贡献
- 摘要称，作者证明问题具有 NP 完全性并识别可处理实例；案例重识别了二千余笔交易，涉及三百余家巴西企业。
- 阅读关注点
- 应核对攻击依赖哪些公开信息、重识别正确性如何验证、复杂度结论针对何种问题，以及可处理实例的筛选标准。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未给出完整验证流程，不能判断对其他统计机构的适用范围。
原文摘要
In this paper we describe, formalize, implement, and experimentally evaluate a novel transaction re-identification attack against official foreign-trade statistics releases in Brazil. The attack's goal is to re-identify the importers of foreign-trade transactions (by revealing the identity of the company performing that transaction), which consequently violates those importers' fiscal secrecy (by revealing sensitive information: the value and volume of traded goods). We provide a mathematical formalization of this fiscal secrecy problem using principles from the framework of quantitative information flow (QIF), then carefully identify the main sources of imprecision in the official data releases used as auxiliary information in the attack, and model transaction re-construction as a linear optimization problem solvable through integer linear programming (ILP). We show that this problem is NP-complete, and provide a methodology to identify tractable instances. We exemplify the feasibility of our attack by performing 2,003 transaction re-identifications that in total amount to more than \$137M, and affect 348 Brazilian companies. Further, since similar statistics are produced by other statistical agencies, our attack is of broader concern.