Вся планета подключена к сети, и мы также коллективно генерируем неизмеримые объемы данных. Поскольку эти данные хранятся в Интернете и разделены для легкого поиска, но с эксплуатацией данных сложность конфиденциальности и другие угрозы также возрастают. В этой статье подчеркивается важность модели деидентификации данных.
Основные выводы из статьи здесь:
- Деидентификация данных — это процесс отделения личности человека от его данных. А с текущим состоянием технологий машинного обучения (ML) легко обнаруживать закономерности и идентифицировать людей на основе предоставленной личной информации. Следовательно, важно установить правила для этих моделей.
- Теперь с моделями деидентификации данных, чтобы уменьшить передачу определенной информации то тут, то там. HIPAA рекомендует два утвержденных метода деидентификации данных. Этими методами являются экспертное определение и методы безопасной гавани.
- Компании могут либо полностью удалить данные или их идентификаторы из своих записей, либо они могут использовать API деидентификации для удаления этих идентификаторов из своих наборов данных. Тем не менее, первый метод эффективен, но вы можете захотеть получить данные внутри компании для различных поисков, в то время как второй вариант может вызвать затруднения.
Читайте полный текст статьи здесь:
https://www.techgogoal.com/2021/07/17/the-complexities-of-data-de-identification-in-layman-terms/
