Анонимизация данных: защита конфиденциальности и улучшение потребительских предложений

Именно здесь вступает в игру анонимизация данных, которая защищает конфиденциальную информацию путем удаления или шифрования отдельных идентификаторов. Разрешая безрисковый обмен данными между цифровыми медиа-платформами, этот процесс предлагает потребителям более интересные предложения.

Что такое анонимизация данных?

Когда конфиденциальная и/или личная информация хранится в базах данных компании (часто имена пользователей связываются с официальными именами, номерами телефонов, номерами социального страхования, электронными адресами и почтовыми адресами), всегда существует риск утечки. Даже самое безопасное программное обеспечение может быть атаковано хакерами через непредвиденные и злонамеренные лазейки.

Однако обработка этой информации через процесс анонимизации позволяет избежать идентификации источника. Во всем мире вступают в силу новые правила защиты данных, такие как Общие правила защиты данных (GDPR) в Европе, которые позволяют компаниям собирать анонимные данные без индивидуального согласия. Все, что нужно — это убрать идентификаторы данных. Более поздние законы включают LGPD в Бразилии и POPI в Южной Африке. Аналогичные законы приняты и в некоторых штатах США.

Методы анонимизации данных

Существует несколько способов анонимизации данных. В зависимости от планируемых целей и систем, которые будут использовать эту информацию, текущие технологии деидентификации включают в себя следующие:

• псевдонимизация: заменяет частные идентификаторы псевдонимами (случайным образом меняет каждого Миллера, например, на Бейкера, Купера, Портера или Смита), сохраняя при этом полную целостность и точность данных, что является идеальным решением для целей тестирования и обучения;
• обобщение: снижает идентифицируемость за счет изменения деталей (например, номеров квартир или городов), в то время как информация остается достаточно точной для запланированных целей;
• шифрование данных: широко используемый метод, который необратимо перемешивает цифры или буквы в атрибуте, поэтому данные никогда не могут быть сопоставлены с их исходными оригинальными данными;
• маскировка данных: скрывает данные посредством измененных значений в дублирующихся базах данных, где могут использоваться методы модификации, такие как замена символов и слов, кодирование и перетасовка, хотя они и не подходят для обратного воспроизведения;
• размытие данных: уменьшает точность информации, поскольку этот метод аппроксимации изменяет значения ровно настолько, чтобы свести к минимуму шансы на идентификацию, тем самым обеспечивая индивидуальную анонимность;
• своппинг данных: изменяет значения атрибутов (имена, даты рождения) в наборах данных, которые затем не совпадают с исходными данными, обеспечивая более эффективную анонимность базы данных;
• кодирование данных: пожалуй, самый эффективный метод анонимизации данных, преобразующий личную информацию в нечитаемую закодированную форму, защищенную паролем, доступную в исходном формате только утвержденным пользователям.