Ano ang Data Anonymization
Ang data na hindi nagpapakilala ay naglalayong protektahan ang pribado o sensitibong data sa pamamagitan ng pagtanggal o pag-encrypt ng personal na makikilalang impormasyon mula sa isang database. Ginagawa ang anonymization ng data para sa layunin na protektahan ang mga pribadong aktibidad ng isang indibidwal o kumpanya habang pinapanatili ang integridad ng mga datos na natipon at ibinahagi. Kilala ang data na kilala bilang "data obfuscation, " "masking data, " o "data de-identification."
Anonymization ng Paglabag sa Data
Ang mga korporasyon ay nagbubuo, nag-iimbak, at nagpoproseso ng napakaraming sensitibong data sa normal na kurso ng kanilang mga operasyon sa negosyo. Ang kaunlaran sa teknolohiya ay umunlad dahil sa may-katuturang impormasyon na natagpuan sa data na nabuo at ibinahagi sa iba`t ibang mga sektor at bansa. Ang pagbabago sa pananalapi sa teknolohiya (fintech) ay gumawa ng walang hanggan na pag-unlad sa paraan na pinasadya ng mga serbisyo sa pananalapi sa mga kliyente, salamat sa data na naibahagi mula sa mga sektor tulad ng social media at mga pagtatatag ng e-commerce. Ang mga datos na ibinahagi sa pagitan ng digital media at e-commerce firms ay nakatulong sa parehong sektor na mas mahusay na mag-anunsyo ng mga produkto sa kanilang mga site sa isang tiyak na gumagamit o consumer. Gayunpaman, upang ang mga nakabahaging data ay maging kapaki-pakinabang nang hindi ikompromiso ang mga pagkakakilanlan ng mga kliyente na naipon sa database, dapat gamitin ang anonymization.
Anonymization ng Data sa Practice
Ang hindi nagpapakilala ng data ay isinasagawa ng karamihan sa mga industriya na nakitungo sa sensitibong impormasyon tulad ng pangangalaga sa kalusugan, pinansiyal, at digital media habang isinusulong ang integridad ng pagbabahagi ng data. Binabawasan ng anonymization ng data ang panganib ng hindi sinasadyang pagsisiwalat kapag nagbabahagi ng data sa pagitan ng mga bansa, industriya, at kahit na mga kagawaran sa loob ng parehong kumpanya. Halimbawa, ang isang ospital na nagbabahagi ng kumpidensyal na data sa mga pasyente nito sa isang lab ng medikal na pananaliksik o kumpanya ng parmasyutiko ay maaaring magawa ito nang etikal kung pinananatili itong hindi nagpapakilalang mga pasyente. Magagawa ito sa pamamagitan ng pag-alis ng mga pangalan, Mga Numero ng Social Security, mga petsa ng kapanganakan, at mga address ng mga pasyente nito mula sa ibinahaging listahan habang iniiwan ang mga mahahalagang sangkap na kinakailangan para sa medikal na pananaliksik tulad ng edad, karamdaman, taas, timbang, kasarian, lahi, atbp.
Mga Teknolohiya sa Anonymization ng Data
Ang pagkakakilala sa data ay ginagawa sa iba't ibang paraan kabilang ang pagtanggal, encryption, generalization, at isang host ng iba. Maaari ring tanggalin ng isang kumpanya ang personal na makikilalang impormasyon (PII) mula sa mga datos na natipon o i-encrypt ang impormasyong ito sa isang malakas na passphrase. Ang isang negosyo ay maaari ring magpasya na gawing pangkalahatan ang impormasyon na nakolekta sa database nito. Halimbawa, ang isang talahanayan ay naglalaman ng eksaktong kita ng kita na kinita ng limang CEOs sa sektor ng tingi. Ipagpalagay natin ang naitala na kita ay $ 520, 000, $ 230, 000, $ 109, 000, $ 875, 000, at $ 124, 000. Ang impormasyong ito ay maaaring pangkalahatan sa mga kategorya tulad ng "<$ 500, 000" at "≥ $ 500, 000". Bagaman, ang data ay nahuhulog, magiging kapaki-pakinabang pa rin ito sa gumagamit.
Nangangahulugan ng Data ng Pangalan
Ang anonymization ng data ay kung saan naiuri ang naiuri na impormasyon at dapat na maskara ay dapat gawin sa paraang kung ang isang paglabag ay nangyayari, ang data na nakuha ay walang silbi sa mga salarin. Ang pangangailangan upang maprotektahan ang data ay dapat na gaganapin sa mataas na priyoridad sa bawat samahan, dahil ang inuri na impormasyon na nahuhulog sa maling mga kamay ay maaaring maling gamitin, sinasadya o hindi sinasadya. Ang kakulangan sa pagiging sensitibo kapag ang paghawak ng sensitibong impormasyon ng kliyente ay maaaring dumating sa isang malaking gastos sa mga negosyo dahil sa mga awtoridad sa regulasyon na pumutok sa kawalang kapabayaan. Ang mga kinakailangan sa ligal at pagsunod tulad ng PCI DSS (Payment Card Industry Data Security Standard) ay nagpapataw ng mabibigat na multa sa mga institusyong pinansyal kung sakaling paglabag sa credit card. Ang PIPEDA, isang Batas sa Canada, ang namamahala sa pagsisiwalat at paggamit ng personal na impormasyon ng mga korporasyon. Mayroong iba pang maraming mga regulasyon na katawan na nabuo upang masubaybayan ang paggamit ng isang samahan o maling paggamit ng mga pribadong data.
Ang pag-decode ng hindi nagpapakilalang data ay posible sa pamamagitan ng isang proseso na kilala bilang De-anonymization (o "muling pagkilala"). Dahil sa ang katunayan na ang hindi nagpapakilalang data ay maaaring mai-decode at hindi malutas, naniniwala ang mga kritiko na ang hindi nagpapakilala ay nagbibigay ng maling kahulugan ng seguridad.
