गुमनामी एक भ्रम है। अनाम डेटासेट के डेटा के अनुसार, आप वास्तविक लोगों की पहचान कर सकते हैं

The guardian.com ने दो प्रतिष्ठित विश्वविद्यालयों: यूसीलॉवेन यूनिवर्सिटी ऑफ बेल्जियम और इंपीरियल कॉलेज लंदन द्वारा किए गए एक अध्ययन से निष्कर्ष प्रकाशित किया: वैज्ञानिकों ने पुष्टि की कि वास्तविक लोगों के साथ किसी भी अनाम डेटा को संबद्ध करने के कई तरीके हैं।
उदाहरण के लिए, 15 जनसांख्यिकीय विशेषताओं वाले डेटा "मैसाचुसेट्स के 99.98% निवासियों द्वारा प्रकट किए जाएंगे।" और छोटी आबादी के लिए, यह प्रक्रिया और भी सरल है: उदाहरण के लिए, अगर हम एक छोटे शहर के बारे में बात कर रहे हैं, तो "हार्वर्ड पोर्ट, मैसाचुसेट्स के निवासियों की पहचान करना मुश्किल नहीं होगा, जिसमें 2000 से कम लोग रहते हैं।"

"अज्ञात" डेटा कई प्रक्रियाओं को रेखांकित करता है: आधुनिक चिकित्सा अनुसंधान से लेकर व्यक्तिगत सिफारिशों और एआई प्रौद्योगिकियों तक। दुर्भाग्य से, अध्ययन के अनुसार, किसी भी जटिल डेटासेट में डेटा को सफलतापूर्वक नामांकित करना लगभग असंभव है।

सभी पहचानने योग्य व्यक्तिगत जानकारी को गुमनाम डेटासेट से पूरी तरह से हटा दिया जाना चाहिए, ताकि केवल मूल उपयोगी डेटा बना रहे, जो शोधकर्ता गोपनीयता का उल्लंघन किए बिना डर ​​के बिना काम कर सकते हैं। उदाहरण के लिए, एक अस्पताल रोगियों के नाम, पते और जन्मतिथि को मेडिकल रिकॉर्ड के एक हिस्से से इस उम्मीद में निकाल सकता है कि शोधकर्ता बाकी डेटा का उपयोग परिस्थितियों के बीच छिपे हुए संबंधों की खोज के लिए कर सकते हैं।

लेकिन, व्यवहार में, विभिन्न तरीकों से डेटा का नामकरण किया जा सकता है। 2008 में, अनाम नेटफ्लिक्स मूवी रेटिंग डेटासेट को IMDb वेबसाइट पर डेटा के साथ रेटिंग की तुलना करके नामांकित किया गया था। न्यूयॉर्क टैक्सी ड्राइवरों के पते शहर के चारों ओर व्यक्तिगत यात्राओं के एक गुमनाम डेटासेट के आधार पर प्रकट किए गए थे। और ऑस्ट्रेलियाई स्वास्थ्य मंत्रालय द्वारा प्रस्तावित अनाम मेडिकल बिलिंग डेटा को "अभियुक्त तथ्यों," जैसे कि एक माँ और बच्चे के जन्मदिन, या एक माँ और कई बच्चों के साथ क्रॉस-रेफ़रिंग द्वारा पहचाना जा सकता है।

बेल्जियम कैथोलिक यूनिवर्सिटी ऑफ लौवेन (UCLouvain) और लंदन के इंपीरियल कॉलेज के शोधकर्ताओं ने किसी भी मनमानी डेटासेट के आसानी से मूल्यांकन के मूल्यांकन के लिए एक मॉडल बनाया है। उदाहरण के लिए, 15 जनसांख्यिकीय विशेषताओं वाले डेटा "मैसाचुसेट्स के 99.98% निवासियों द्वारा प्रकट किए जाएंगे।" और छोटी आबादी के लिए, यह प्रक्रिया और भी सरल है: उदाहरण के लिए, अगर हम एक छोटे शहर के बारे में बात कर रहे हैं, तो "हार्वर्ड पोर्ट, मैसाचुसेट्स के निवासियों की पहचान करना मुश्किल नहीं होगा, जिसमें 2000 से कम लोग रहते हैं।"

इसके बावजूद, एक्सपीरियन जैसे डेटा ब्रोकर प्रत्येक व्यक्ति के बारे में अधिक जानकारी वाले "डी-आइडेंटेड" डेटासेट बेचते हैं। शोधकर्ताओं ने सॉफ्टवेयर कंपनी एलर्टेक्स को बेचे गए डेटा की ओर इशारा किया - इसमें 120 मिलियन अमेरिकी परिवारों के लिए 248 विशेषताएँ हैं।

शोधकर्ताओं का तर्क है कि उनके परिणाम जीडीपीआर (सामान्य डेटा संरक्षण विनियमन) जैसे कानूनी आवश्यकताओं का पालन करने के लिए गुमनामी प्रयासों की कमी साबित करते हैं।

" हमारे परिणाम यह आरोप लगाते हैं कि पहचान की जानकारी की बहाली असंभव है ... "

" अगला, वे GDPR और CCPA (कैलिफ़ोर्निया कंज्यूमर प्राइवेसी एक्ट) जैसे आधुनिक डेटा संरक्षण कानूनों से अज्ञात मानकों के लिए वर्तमान डी-पहचान विधियों की प्रासंगिकता पर सवाल उठाते हैं और डी-आइडेंटिफिकेशन मॉडल से परे जाने के लिए कानूनी और विनियामक दृष्टिकोण से आवश्यकता पर जोर देते हैं। "विमोचित और विस्मृत। "

बड़े पैमाने पर डेटासेट प्रसंस्करण के अन्य दृष्टिकोण वर्तमान सूचना सुरक्षा मानदंडों को अधिक बारीकी से पूरा कर सकते हैं। Apple और Uber जैसी कंपनियों द्वारा प्रचलित विभेदित गोपनीयता, जानबूझकर संपूर्ण डेटासेट पर औसतन सूचना की प्रत्येक इकाई को नष्ट कर देती है, जिससे प्रत्येक व्यक्ति के बारे में तकनीकी रूप से गलत जानकारी प्रदान करके deanonymization के साथ हस्तक्षेप होता है।

होमोमोर्फिक एन्क्रिप्शन डेटा को पढ़ने की अनुमति नहीं देता है, लेकिन उन्हें अभी भी हेरफेर किया जा सकता है। परिणाम भी एन्क्रिप्ट किए जाएंगे, लेकिन डेटा नियंत्रक उन्हें डिक्रिप्ट कर सकता है। और अंत में, हम सिंथेटिक डेटासेट में आएंगे, जिसका अर्थ है कि वास्तविक, पहचान योग्य जानकारी पर एआई को प्रशिक्षण देना, जिसके आधार पर नए, नकली डेटा इकाइयाँ उत्पन्न की जाएंगी जो सांख्यिकीय रूप से समान होंगी, लेकिन विशिष्ट लोगों से जुड़ी नहीं हैं।