Персональные_данные

Forwarded from Privacy Advocates

🤖 Ассоциация больших данных и HFLabs презентовали результаты тестирования риск-модели деобезличивания «Маскировщик»
🔸«Маскировщик» — инновационное решение для умного маскирования персональных данных. Он снижает риск утечки во время тестирования ИT-систем, сохраняя при этом качество тестов.
🔸В рамках тестирования специалистами-методологами Ассоциации больших данных были смоделированы кибератаки с целью получения персональной информации из обезличенных наборов данных, подготовленных с помощью «Маскировщика» для кейсов «Оценка оттока банковских клиентов (Churn Rate)» и «Маркетинговая атрибуция на независимых наборах». По результатам атак был осуществлен расчет рисков повторной идентификации, а также подготовлены рекомендации по адаптации параметров маскирования.
🔸Модель оценки рисков повторной идентификации позволяет рассчитать вероятность выделения персональной информации в обезличенном датасете. Основываясь на этой оценке, можно принимать обоснованные решения об используемых средствах защиты и методах обработки данных. По результатам тестирования риск-модель доказала свою работоспособность, а также была дополнена подходами по симуляции атак, которые углубляют понимание рисков повторной идентификации за счет учета рисков выделения и связывания.

www.tgoop.com/Persdata/7756

1.5K viewsJun 20 at 16:05

🤖 Ассоциация больших данных и HFLabs презентовали результаты тестирования риск-модели деобезличивания «Маскировщик»
🔸«Маскировщик» — инновационное решение для умного маскирования персональных данных. Он снижает риск утечки во время тестирования ИT-систем, сохраняя при этом качество тестов.
🔸В рамках тестирования специалистами-методологами Ассоциации больших данных были смоделированы кибератаки с целью получения персональной информации из обезличенных наборов данных, подготовленных с помощью «Маскировщика» для кейсов «Оценка оттока банковских клиентов (Churn Rate)» и «Маркетинговая атрибуция на независимых наборах». По результатам атак был осуществлен расчет рисков повторной идентификации, а также подготовлены рекомендации по адаптации параметров маскирования.
🔸Модель оценки рисков повторной идентификации позволяет рассчитать вероятность выделения персональной информации в обезличенном датасете. Основываясь на этой оценке, можно принимать обоснованные решения об используемых средствах защиты и методах обработки данных. По результатам тестирования риск-модель доказала свою работоспособность, а также была дополнена подходами по симуляции атак, которые углубляют понимание рисков повторной идентификации за счет учета рисков выделения и связывания.

BY Персональные_данные