6.6.2 বোঝা এবং ম্যানেজিং তথ্য ঝুঁকি

তথ্য ঝুঁকি সামাজিক গবেষণায় সবচেয়ে সাধারণ ঝুঁকি নেই; এটা নাটকীয়ভাবে বৃদ্ধি পেয়েছে; এবং তা বুঝতে কঠিন ঝুঁকি.

সামাজিক বয়স ডিজিটাল গবেষণার জন্য দ্বিতীয় নৈতিক চ্যালেঞ্জ তথ্যমূলক ঝুঁকি, তথ্য প্রকাশ থেকে ক্ষতি জন্য সম্ভাব্য (Council 2014) . ব্যক্তিগত তথ্য প্রকাশ থেকে তথ্যমূলক ক্ষতিগ্রস্ত অর্থনৈতিক হতে পারে (যেমন, একটি চাকরি হারানোর), সামাজিক (যেমন, বিমূঢ়তা), মানসিক (যেমন, বিষণ্নতা), অথবা এমনকি ফৌজদারি (যেমন, অবৈধ আচরণ গ্রেপ্তারি). দুর্ভাগ্যবশত, ডিজিটাল বয়স বৃদ্ধি করে তথ্য ঝুঁকি নাটকীয়ভাবে-সেখানে আমাদের আচরণ সম্পর্কে ঠিক তাই অনেক বেশি তথ্য নেই. আর, তথ্যমূলক ঝুঁকি বুঝতে এবং পরিচালনা করা খুবই কঠিন প্রমাণিত হয়েছে যে ঝুঁকি যেমন শারীরিক ঝুঁকি যেমন এনালগ বয়স সামাজিক গবেষণায় উদ্বেগ ছিল তুলনায়. কিভাবে ডিজিটাল বয়স তথ্য ঝুঁকি বাড়ে দেখতে, ইলেকট্রনিক মেডিকেল রেকর্ড কাগজ থেকে রূপান্তরটি বিবেচনা. রেকর্ড উভয় ধরনের ঝুঁকি তৈরি, কিন্তু ইলেকট্রনিক রেকর্ড অনেক বড় ঝুঁকি তৈরি কারণ একটি বৃহদায়তন স্কেল এ তারা একটি অননুমোদিত দল প্রেরণ করা যেতে পারে বা অন্য রেকর্ডের সঙ্গে মিশে গিয়ে তৈরি. ডিজিটাল যুগে সামাজিক গবেষকরা ইতিমধ্যে কারণ তারা সম্পূর্ণরূপে বুঝতে পারে না সংখ্যায় এবং এটি পরিচালনা কিভাবে অংশে, তথ্যমূলক ঝুঁকি সঙ্গে সমস্যা পাতিত আছে. সুতরাং, আমি তথ্য ঝুঁকি সম্পর্কে চিন্তা করার একটি সহায়ক উপায় প্রস্তাব যাচ্ছি, এবং তারপর আমি আপনাকে কিভাবে আপনার গবেষণায় তথ্য ঝুঁকি পরিচালনা করার জন্য এবং অন্যান্য গবেষকরা তথ্য প্রকাশ কিছু পরামর্শ দিতে যাচ্ছি.

ওয়ান ওয়ে যে সামাজিক গবেষকরা তথ্য ঝুঁকি হ্রাস তথ্য "anonymization" নির্দিষ্ট করে. "Anonymization" এই ধরনের নাম, ঠিকানা, এবং ডেটা থেকে টেলিফোন নম্বর হিসাবে সুস্পষ্ট ব্যক্তিগত শনাক্তকারী সরানোর প্রক্রিয়া. যাইহোক, এই পদ্ধতির গভীরভাবে এবং মৌলিকভাবে সীমিত অনেক কম কার্যকর চেয়ে অনেক মানুষ উপলব্ধি, এবং এটা আসলে, হয়. তজ্জন্য, যখনই আমি বর্ণনা "anonymization," আমি উদ্ধৃতি চিহ্ন আপনি মনে করিয়ে দেয় যে এই প্রক্রিয়া অপ্রকাশিতনামা চেহারা কিন্তু সত্য নয় অপ্রকাশিতনামা সৃষ্টি ব্যবহার করব.

"Anonymization" ব্যর্থতার একটি অবিস্মরণীয় উদাহরণ ম্যাসাচুসেটস 1990 থেকে আসে (Sweeney 2002) . গ্রুপ বীমা কমিশন (GIC) একটি সরকারি সংস্থার সব রাষ্ট্র কর্মীদের জন্য স্বাস্থ্য বীমা কেনার জন্য দায়ী ছিল. এই কাজের মাধ্যমে GIC রাষ্ট্র কর্মচারী হাজার হাজার বিষয়ে বিস্তারিত স্বাস্থ্য রেকর্ড সংগ্রহ. স্বাস্থ্যের উন্নতি করার উপায় সম্পর্কে গবেষণা উদ্দীপনা প্রচেষ্টায় GIC গবেষকরা এই রেকর্ড মুক্ত করার সিদ্ধান্ত নিয়েছে. যাইহোক, তারা তাদের সমস্ত ডেটা ভাগ করা হয়নি; বরং, তারা এই ধরনের নাম এবং ঠিকানা হিসাবে তথ্য মুছে ফেলে "অনামী" এটা. যাইহোক, তারা অন্যান্য তথ্য যে তারা ভেবেছিল যেমন জনতাত্ত্বিক তথ্য (জিপ কোড, জন্ম তারিখ, জাতিগত, এবং যৌন) ও চিকিৎসা তথ্য (সফর তথ্য, রোগ নির্ণয়, পদ্ধতি) (চিত্র 6.4) হিসেবে গবেষকদের জন্য দরকারী হতে পারে বাম (Ohm 2010) . দুর্ভাগ্যবশত, এই "anonymization" তথ্য রক্ষা করার জন্য যথেষ্ট ছিল না.

চিত্র 6.4: "Anonymization" স্পষ্টত সরানোর তথ্য চিহ্নিতকরণের প্রক্রিয়া. উদাহরণস্বরূপ, যখন রাষ্ট্র কর্মচারীদের চিকিৎসা বীমা রেকর্ড মুক্তি ম্যাসাচুসেটস গ্রুপ বীমা কমিশন (GIC) ফাইল থেকে নাম ও ঠিকানা মুছে. আমি শব্দ "anonymization" প্রায় কোট ব্যবহার কারণ প্রক্রিয়া অপ্রকাশিতনামা চেহারা আসল নাম প্রকাশে অনিচ্ছুক, কিন্তু না.

GIC "anonymization" ত্রুটিগুলোর চিত্রিত, Latanya এখনও বিক্রয়ের-তারপর $ 20 এমআইটি-পেইড ক্যামব্রিজ, ম্যাসাচুসেটস গভর্নর উইলিয়াম জোড় এর আদি শহর শহর থেকে ভোটিং রেকর্ড অর্জন একজন গ্র্যাজুয়েট শিক্ষার্থী. এই ভোট রেকর্ড যেমন নাম, ঠিকানা, জিপ কোড, জন্ম তারিখ, এবং লিঙ্গ হিসাবে তথ্য অন্তর্ভুক্ত করা হয়েছে. সত্য যে চিকিৎসা তথ্য ফাইল এবং ভোটার ফাইল ভাগ ক্ষেত্র-জিপ কোড, জন্ম তারিখ, এবং যৌন-বোঝানো যে এখনও বিক্রয়ের তাদের লিঙ্ক করতে পারে. এখনও বিক্রয়ের জানতেন যে জোড় এর জন্মদিন 31 জুলাই, 1945 ছিল, এবং ভোট রেকর্ড যে জন্মদিনের সঙ্গে কেমব্রিজ শুধুমাত্র ছয়জনকে অন্তর্ভুক্ত. উপরন্তু, ঐ ছয়টি মানুষ, মাত্র তিনটি ছিল পুরুষ. আর, সেই তিনজন লোক, শুধুমাত্র একটি জোড় জিপ কোড ভাগ. এভাবে ভোট ডাটা যে জন্ম তারিখ, লিঙ্গ, এবং পিন কোডের জোড় এর সমন্বয়ে চিকিৎসা তথ্য যে কেউ উইলিয়াম জোড় ছিল দেখিয়েছেন. প্রকৃতরূপে, তথ্য এই তিন টুকরা তথ্য তাকে একটি অনন্য ফিঙ্গারপ্রিন্ট উপলব্ধ. এই সত্য ব্যবহার করে, এখনও বিক্রয়ের জোড় এর মেডিকেল রেকর্ড সনাক্ত, এবং তাকে তার কৃতিত্ব অবহিত করতে সক্ষম ছিল, সে তার রেকর্ডের একটি কপি মেইল (Ohm 2010) .

চিত্র 6.5: পুনরায় idenification "অনামী" তথ্য. Latanya এখনও বিক্রয়ের অর্ডার গভর্নর উইলিয়াম জোড় এর মেডিকেল রেকর্ড খুঁজে পেতে ভোট রেকর্ডের সঙ্গে "অনামী" স্বাস্থ্য রেকর্ড মিলিত (Sweeney 2002) .

এখনও বিক্রয়ের কাজ ডি-anonymization আক্রমণের মৌলিক গঠন দর্শানো -to কম্পিউটার নিরাপত্তা সম্প্রদায় থেকে একটি শব্দ অবলম্বন. এই হামলায় দুই ডেটা সেট, তন্ন তন্ন করে নিজে স্পর্শকাতর তথ্য প্রকাশ করে, সংযুক্ত হয় এবং এই দুটো ঘটনার মাধ্যমে, সংবেদনশীল তথ্য উন্মুক্ত করা হয়. কিছু উপায়ে এই প্রক্রিয়া উপায় যে সোডা এবং ভিনেগার, দুটি পদার্থের যে নিজেরাই নিরাপদ হয় পোড়ানো, একটি কদর্য ফলাফল উত্পাদন মিলিত হতে পারে অনুরূপ.

এখনও বিক্রয়ের এর কাজ, এবং অন্যান্য সংশ্লিষ্ট কাজ জবাবে গবেষকরা এখন সাধারণত অনেক বেশি তথ্য-সব তথাকথিত "ব্যক্তিগতভাবে শনাক্তযোগ্য তথ্য" (সিলিকোন) অপসারণ (Narayanan and Shmatikov 2010) অনেক গবেষক এখন প্রক্রিয়া -during "anonymization." উপরন্তু, বুঝতে পারি যে নির্দিষ্ট তথ্য-যেমন মেডিকেল রেকর্ড, আর্থিক রেকর্ড, জরিপ অবৈধ সম্পর্কে প্রশ্ন উত্তর হিসাবে সম্ভবত এমনকি পরে মুক্তি খুব সংবেদনশীল আচরণ-হল "anonymization." তবে, আরো সাম্প্রতিক উদাহরণ যে আমি নিচে বর্ণনা করব ইঙ্গিত দেয় যে, সামাজিক গবেষক প্রয়োজন তাদের চিন্তাধারা পরিবর্তন. প্রথম পদক্ষেপ হিসেবে, এটা অনুমান করা যে সব তথ্য সম্ভাব্য সনাক্তকরণযোগ্য এবং সমস্ত ডেটা সম্ভাব্য সংবেদনশীল হয় প্রজ্ঞাময়. অন্য কথায়, বরং চিন্তা যে তথ্য ঝুঁকি প্রকল্পের একটি ছোট উপসেট প্রযোজ্য, আমরা অনুমান করা উচিত যে এটা প্রযোজ্য-কিছু সব প্রকল্প ডিগ্রী-টু.

এই রি-অভিযোজন উভয় দিক নেটফ্লিক্স পুরস্কার দ্বারা চিত্রিত করা হয়. 5 অধ্যায়ে বর্ণনা অনুযায়ী, নেটফ্লিক্স 100 মিলিয়ন সিনেমা প্রায় 500,000 সদস্যদের দ্বারা উপলব্ধ রেটিং মুক্তি, এবং একটি খোলা কল যেখানে সারা পৃথিবী থেকে মানুষ জমা আলগোরিদিম যে Netflix এর চলচ্চিত্র সুপারিশ করার ক্ষমতা উন্নত করতে পারে ছিল. তথ্য প্রকাশ করার আগে, নেটফ্লিক্স যেমন নাম হিসাবে কোনো স্পষ্টত ব্যক্তিগতভাবে-শনাক্তযোগ্য তথ্য, সরানো হয়েছে. নেটফ্লিক্স এছাড়াও একটি অতিরিক্ত পদক্ষেপ গিয়ে রেকর্ডের কিছু সামান্য perturbations (যেমন, 3 তারার 4 নক্ষত্র থেকে কিছু রেটিং পরিবর্তন) চালু. নেটফ্লিক্স মধ্যেই আবিষ্কার করেন তবে যে তাদের প্রচেষ্টা সত্ত্বেও, তথ্য কোন ছিল বেনামী মানে.

ডেটা পর মাত্র দুই সপ্তাহ মুক্তি পায় Narayanan and Shmatikov (2008) দেখিয়েছেন যে এটা নির্দিষ্ট মানুষের সিনেমা পছন্দ সম্পর্কে শেখা সম্ভব ছিল. তাদের পুনরায় সনাক্তকরণ আক্রমণে কৌতুক এখনও বিক্রয়ের এর অনুরূপ ছিল: একসঙ্গে একত্রীকরণ দুটি তথ্য সূত্র, এক সম্ভাব্য সংবেদনশীল তথ্য এবং কোন স্পষ্টত চিহ্নিতকরণের তথ্য এবং এক যে মানুষ পরিচয় ধারণ করে দিয়ে. এই তথ্য সূত্র প্রত্যেকটি পৃথকভাবে নিরাপদ হতে পারে, কিন্তু যখন তারা মিলিত হয় মার্জ ডেটাসেটে তথ্যমূলক ঝুঁকি তৈরি করতে পারেন. নেটফ্লিক্স ডেটার ক্ষেত্রে, এখানে কিভাবে এটি ঘটতে পারে. কল্পনা করুন যে, আমি কর্ম এবং আমার সহকর্মীদের সঙ্গে কমেডি সিনেমা সম্পর্কে আমার চিন্তা শেয়ার করতে পছন্দ করে, কিন্তু আমি ধর্মীয় এবং রাজনৈতিক সিনেমা সম্পর্কে আমার মতামত শেয়ার করতে না চান যে. আমার সহকর্মীদের তথ্য যে আমি নেটফ্লিক্স তথ্য আমার রেকর্ড এটি তাদের সঙ্গে ভাগ করেছি ব্যবহার করতে পারে; তথ্য যে আমি ভাগ শুধু উইলিয়াম জোড় এর জন্ম তারিখ, জিপ কোড, এবং যৌন মত একটি অনন্য ফিঙ্গারপ্রিন্ট হতে পারে. অতঃপর যদি তারা তথ্য আমার অনন্য ফিঙ্গারপ্রিন্ট খুঁজে, তারা আমার রেটিং সিনেমা যেখানে আমি শেয়ার করতে না চয়ন সহ সব সিনেমা, সম্পর্কে জানতে পারে. একটি একক ব্যক্তির উপর দৃষ্টি নিবদ্ধ করা লক্ষ্যবস্তু আক্রমণ এই ধরনের ছাড়াও, Narayanan and Shmatikov (2008) আরও দেখিয়েছেন যে এটা ব্যক্তিগত এবং সিনেমা রেটিং তথ্য দিয়ে নেটফ্লিক্স ডেটা মার্জ বাই মানুষ বিস্তৃত আক্রমণ -one অনেক জড়িত কি সম্ভব ছিল যে কিছু মানুষ থেকে ইন্টারনেট মুভি ডেটাবেজ (বিশ্বকাপ) উপর পোষ্ট মনোনীত করেছি. কোন তথ্য একটি নির্দিষ্ট ব্যক্তি-এমনকী তাদের সিনেমার সেটে অনন্য ফিঙ্গারপ্রিন্ট যে তাদের শনাক্ত করতে রেটিং-করতে ব্যবহার করা.

যদিও নেটফ্লিক্স ডেটা পারেন একটি লক্ষ্যবস্তু বা বিস্তৃত হামলায় পুনরায় চিহ্নিত করা যেতে পারে, এটি এখনও কম ঝুঁকি হতে প্রদর্শিত হতে পারে. সব পরে, সিনেমা রেটিং খুব সংবেদনশীল বলে মনে হচ্ছে না. যে সাধারণ সত্য হতে পারে, ডেটাসেটে 500,000 মানুষ কিছু, সিনেমা রেটিং বেশ সংবেদনশীল হতে পারে. বস্তুত, ডি-anonymization প্রতিক্রিয়ায় একটি closeted সমকামী নারী নেটফ্লিক্স বিরুদ্ধে ক্লাস অ্যাকশন মামলা যোগদান. এখানে কিভাবে সমস্যা তাদের মামলা প্রকাশ করা হয়েছিল (Singel 2009) :

"[এম] ovie এবং রেটিং তথ্য আরো একটি অত্যন্ত ব্যক্তিগত এবং সংবেদনশীল প্রকৃতি [সিক] তথ্য ধারণ করে. সদস্যের সিনেমা তথ্য একটি নেটফ্লিক্স সদস্যের ব্যক্তিগত স্বার্থ এবং / অথবা যৌনতা, মানসিক অসুস্থতা, মদ্যাশক্তি থেকে পুনরুদ্ধার, এবং নিপীড়ন অজাচার থেকে, শারীরিক নির্যাতন, পারিবারিক সহিংসতা, ব্যভিচার, ধর্ষণ সহ বিভিন্ন অত্যন্ত ব্যক্তিগত বিষয়, সঙ্গে সংগ্রামের exposes. "

নেটফ্লিক্স পুরস্কার তথ্য ডি-anonymization illustrates উভয় যে সব তথ্য সম্ভাব্য সনাক্তকরণযোগ্য এবং সমস্ত ডেটা সম্ভাব্য সংবেদনশীল হয়. এই মুহুর্তে, আপনার মনে হতে পারে যে, এটি শুধুমাত্র তথ্য যে মানুষ সম্পর্কে প্রচরেই ক্ষেত্রে প্রযোজ্য. আশ্চর্যজনকভাবে, যে ক্ষেত্রে হয় না. তথ্য আইন অনুরোধের একটি ফ্রিডম জবাবে, নিউ ইয়র্ক সিটি সরকার 2013 সালে নিউ ইয়র্কে যে ট্যাক্সি যাত্রায় রেকর্ড মুক্তি, পিক সহ এবং অধ্যায় 2 থেকে বার, স্থান, এবং ভাড়া পরিমাণ (রিকল খসা যে Farber (2015) শ্রম অর্থনীতিতে গুরুত্বপূর্ণ তত্ত্ব) পরীক্ষা করার জন্য এই তথ্য ব্যবহার করা হয়. যদিও ট্যাক্সি ভ্রমণের সম্পর্কে এই তথ্য ক্ষতিকর মনে হতে পারে কারণ এটা মানুষ সম্পর্কে তথ্য হবে বলে মনে হচ্ছে না, এন্থনি Tockar উপলব্ধি করেন যে এই ট্যাক্সি ডেটাসেটে আসলে মানুষ সম্পর্কে সম্ভাব্য সংবেদনশীল তথ্য প্রচুর রয়েছে. উদাহরণ হিসেবে বলা যায়, সে সব ভ্রমণের দিকে তাকিয়ে বারবনিতা ক্লাব-বৃহৎ ফালা নতুন ক্লাব মধ্যরাত এবং ভোর 6 টা এবং তারপর ইয়র্কভিত্তিক মধ্যে তাদের ড্রপ বন্ধ অবস্থানে শুরু পাওয়া. এই সার্চ প্রকাশ ইন সারাংশ-একটি কিছু মানুষ যারা ​​বারবনিতা ক্লাব ঘন ঠিকানাগুলির তালিকা (Tockar 2014) . এটা কল্পনা করা নগর সরকার মনে এই ছিল যে যখন এটি তথ্য মুক্তি কঠিন. বস্তুত, এই একই কৌশল লোক-একটি চিকিৎসালয়ের এক সরকারি বিল্ডিং অথবা ধর্মীয় প্রতিষ্ঠানে কোন জায়গা পরিদর্শন বাড়ির ঠিকানা খুঁজে পেতে ব্যবহার করা যেতে পারে.

কোন অনন্য মানে এই দুটি মামলা-নেটফ্লিক্স পুরস্কার এবং নিউ ইয়র্ক সিটি ট্যাক্সি তথ্য-শো যে তুলনামূলকভাবে দক্ষ মানুষ সঠিকভাবে তথ্য যে তারা প্রকাশিত তথ্যমূলক ঝুঁকি অনুমান করতে ব্যর্থ, এবং এই ক্ষেত্রে হয় (Barbaro and Zeller Jr 2006; Zimmer 2010; Narayanan, Huey, and Felten 2016) . উপরন্তু, এই ক্ষেত্রে অনেক, সমস্যাযুক্ত তথ্য এখনও সহজলভ্য অনলাইন করেন, যুগে যুগে একটি ডাটা রিলিজ পূর্বাবস্থায় ফিরিয়ে আনার অসুবিধা ইঙ্গিত. সম্মিলিতভাবে এই উদাহরণ-সেইসাথে একটি গুরুত্বপূর্ণ উপসংহারে গোপনীয়তা-বিশালাকার সম্পর্কে কম্পিউটার বিজ্ঞান মধ্যে গবেষণা. গবেষকরা অনুমান করা উচিত যে সব তথ্য সম্ভাব্য সনাক্তকরণযোগ্য এবং সমস্ত ডেটা সম্ভাব্য সংবেদনশীল হয়.

দুর্ভাগ্যবশত, যে সব তথ্য সম্ভাব্য সনাক্তকরণযোগ্য এবং সমস্ত ডেটা সম্ভাব্য সংবেদনশীল হয় কোন সহজ সমাধান নেই. যাইহোক, এক উপায় তথ্য ঝুঁকি কমাতে যখন আপনি ডাটা নিয়ে কাজ করছে তৈরি এবং একটি ডেটা সুরক্ষা পরিকল্পনা অনুসরণ করা হয়. এই পরিকল্পনা সুযোগ যে আপনার ডাটা লিক হবে এবং যদি একটি লিক একরকম ঘটে ক্ষতি লাঘব হবে হ্রাস করবে. ডেটা সুরক্ষা পরিকল্পনা সুনির্দিষ্ট, যেমন কোন এনক্রিপশন আকারে ব্যবহার করতে, সময়ের পরিবর্তন হবে, কিন্তু ইউ কে ডেটা সেবা সহায়কভাবে 5 বিভাগ যে তারা 5 সৌন্দর্য কল মধ্যে একটি ডেটা সুরক্ষা পরিকল্পনা উপাদান আয়োজন: নিরাপদ প্রকল্প, নিরাপদ মানুষ নিরাপদ সেটিংস, নিরাপদ তথ্য, এবং নিরাপদ আউটপুট (ছক 6.2) (Desai, Ritchie, and Welpton 2016) . পাঁচটি সৌন্দর্য কোনটিই স্বতন্ত্রভাবে নিখুঁত সুরক্ষা প্রদান. কিন্তু একসঙ্গে তারা যে বিষয়গুলি তথ্যমূলক ঝুঁকি হ্রাস করতে পারেন একটি শক্তিশালী সেট গঠন.

যখন আপনি এটি ব্যবহার করা হয় আপনার ডাটা রক্ষা ছাড়াও, গবেষণা প্রক্রিয়া যেখানে তথ্যমূলক ঝুঁকি বিশেষভাবে লক্ষণীয় হল অবস্থানগুলির তালিকায় এক ধাপ অন্য গবেষকদের সঙ্গে তথ্য ভাগ. বিজ্ঞানীদের মধ্যে ডাটা শেয়ারিং বৈজ্ঞানিক প্রচেষ্টার একটি কোর মান, এবং এটি ব্যাপকভাবে সুবিধা জ্ঞানের অগ্রগতি. এখানে কিভাবে কমন্স যুক্তরাজ্যের হাউস তথ্য শেয়ারিং এর গুরুত্ব বর্ণনা করেন:

"ডেটা অ্যাক্সেস মৌলিক যদি গবেষক, পুনরুত্পাদন যাচাই এবং ফলাফল যে সাহিত্যে রিপোর্ট করা হয় গড়ে তুলতে হয়. অনুমান করা আবশ্যক যে, যদি না সেখানে একটি শক্তিশালী কারণ অন্যথায়, তথ্য সম্পূর্ণরূপে প্রকাশ করা উচিত এবং সর্বজনীনভাবে উপলব্ধ. এই নীতি, যেখানে সম্ভব, সব সরকারী তহবিলে গবেষণা সঙ্গে যুক্ত তথ্য ব্যাপকভাবে এবং সহজলভ্য করতে হবে সঙ্গে সঙ্গতিপূর্ণ. " (Molloy 2011)

তা সত্ত্বেও, অন্য গবেষক সঙ্গে আপনার তথ্য ভাগ করে, আপনি তথ্য ঝুঁকি আপনার অংশগ্রহণকারীদের বৃদ্ধি করা যেতে পারে. সুতরাং, এটা মনে হতে পারে যে গবেষক তাদের শেয়ার করতে ইচ্ছুক তথ্য-বা তাদের শেয়ার করতে প্রয়োজন বোধ করা হয় ডেটা-হয় একটি মৌলিক টান সম্মুখীন. একদিকে তারা অন্যান্য বিজ্ঞানীদের সঙ্গে তাদের তথ্য শেয়ার করার জন্য একটি নৈতিক বাধ্যবাধকতা আছে, বিশেষ করে যদি উদ্ভাবনার প্রকাশ্যে নিহিত হয়. তা সত্ত্বেও, একই সময়ে, গবেষকরা কমান একটি নৈতিক বাধ্যবাধকতা যতটা সম্ভব আছে, তাদের অংশগ্রহণকারীদের তথ্য ঝুঁকি.

ভাগ্যক্রমে, এই উভয়সঙ্কট এটি প্রদর্শিত হিসাবে হিসাবে গুরুতর নয়. এটা কোন ডাটা শেয়ারিং থেকে একটি কন্টিনাম বরাবর ভাগ মুক্তি এবং ভুলে যান, যেখানে তথ্য "অনামী" এবং অ্যাক্সেস করতে কারো জন্য পোস্ট করা হয় তথ্য (চিত্র 6.6) মনে করা জরুরী. এই চরম অবস্থানের উভয় ঝুঁকি এবং বেনিফিট আছে. এটি স্বয়ংক্রিয় ভাবে আপনার তথ্য শেয়ার করবেন সবচেয়ে নৈতিক বিষয় নয়, হয়; যেমন একটি পদ্ধতির সমাজের অনেক উপকারিতার ঘটিয়েছে. রিটার্নিং আস্বাদন করা যায়, টাইস, এবং সময়, একটি উদাহরণ অধ্যায়ে আগেই আলোচনা করা, ডাটা রিলিজ বিরুদ্ধে পাল্টা যুক্তি হল যে শুধুমাত্র সম্ভাব্য ক্ষতির উপর ফোকাস করা এবং যে সম্ভব সুবিধা উপেক্ষা মাত্রাতিরিক্ত একতরফা হয়; আমি নিচে আরও বিস্তারিতভাবে এই একপেশে, মাত্রাতিরিক্ত প্রতিরক্ষামূলক পদ্ধতির সঙ্গে সমস্যা বর্ণনা করে যখন আমি অনিশ্চয়তা (অনুচ্ছেদ 6.6.4) এর মুখে সিদ্ধান্তগুলো সম্পর্কে পরামর্শ অফার পাবেন.

চিত্র 6.6: তথ্য মুক্তির কৌশল একটি কন্টিনাম বরাবর পড়া যাবে. যেখানে আপনি থাকা উচিত বরাবর এই সন্ততি আপনার ডেটা সুনির্দিষ্ট বিবরণ উপর নির্ভর করে. এই ক্ষেত্রে, তৃতীয় পক্ষের পর্যালোচনা আপনি আপনার ক্ষেত্রে ঝুঁকি যথাযথ ভারসাম্য এবং বেনিফিট সিদ্ধান্ত নিতে সাহায্য করতে পারে.

উপরন্তু, এই দুই চরম ক্ষেত্রে মধ্যবর্তী কি আমি একটি দেয়াল ঘেরা বাগান পদ্ধতির যেখানে ডেটা যারা ​​নির্দিষ্ট মানদণ্ড পূরণ এবং যারা ​​নির্দিষ্ট নিয়ম দ্বারা আবদ্ধ হতে সম্মত হন সঙ্গে ভাগ করা হয় বলা করব (যেমন, একটি IRB থেকে তদারকি এবং একটি ডেটা সুরক্ষা পরিকল্পনা) . এই দেয়াল ঘেরা বাগান পদ্ধতির মুক্তির সুবিধা অনেক উপলব্ধ করা হয় এবং কম ঝুঁকি সঙ্গে ভুলে যান. অবশ্যই, একটি দেয়াল ঘেরা বাগান পদ্ধতির অনেক প্রশ্ন-যারা এক্সেস আছে উচিত, কি অবস্থার অধীনে, কতদিন, যারা বজায় রাখা এবং দেয়াল ঘেরা বাগান পুলিশে দিতে হবে ইত্যাদি কিন্তু এই অনতিক্রম্য নয় সৃষ্টি. বস্তুত, ইতিমধ্যে জায়গা যে গবেষকরা যেমন ডাটা মিশিগান বিশ্ববিদ্যালয়ের রাজনৈতিক ও সামাজিক গবেষণা আন্তঃবিশ্ববিদ্যালয় সাহচর্য আর্কাইভ হিসেবে এখনই ব্যবহার করতে পারেন, এ দেয়াল ঘেরা বাগানের কাজ করছে.

সুতরাং, যেখানে আপনার গবেষণা থেকে তথ্য কোন শেয়ারিং, দেয়াল ঘেরা বাগান শৃঙ্খলাকে থাকা উচিত, এবং মুক্তি এবং ভুলে যায়? এটা আপনার তথ্য বিবরণ উপর নির্ভর করে; গবেষকরা আইন ও জনস্বার্থে ব্যক্তি, বদান্যতা, ন্যায়বিচারের জন্য সম্মান, এবং সম্মান মধ্যে সামঞ্জস্য বজায় রাখা আবশ্যক. যখন অন্যান্য সিদ্ধান্তের জন্য উপযুক্ত ভারসাম্য নির্ধারণে গবেষকরা পরামর্শ এবং IRBs অনুমোদন চাইতে, এবং ডেটা রিলিজ শুধু যে প্রক্রিয়ার আরেকটি অংশ হতে পারে. অন্য কথায়, যদিও কিছু কিছু মানুষের একটি আশাহীন নৈতিক জলা ডাটা রিলিজ সম্বন্ধে চিন্তা করেন, আমরা ইতিমধ্যে সিস্টেম জায়গায় গবেষকরা নৈতিক দ্বিধা এই ধরনের মধ্যে সামঞ্জস্য বজায় রাখা সাহায্য করার আছে.

তথ্য শেয়ারিং সম্পর্কে ভাবতে এক চূড়ান্ত ভাবে উপমা দ্বারা হয়. প্রতি বছর কার মৃত্যু হাজার হাজার জন্য দায়ী, কিন্তু আমরা ড্রাইভিং নিষিদ্ধ করার চেষ্টা করবেন না. বস্তুতপক্ষে, এই ধরনের একটি কল ড্রাইভিং নিষিদ্ধ করার কিম্ভুতকিমাকার হবে কারণ ড্রাইভিং অনেক বিস্ময়কর কিছু সম্ভব. বরং সমাজের Places যারা চালাতে পারেন উপর বিধিনিষেধ (যেমন, একটি নির্দিষ্ট বয়স হতে হবে, নির্দিষ্ট পরীক্ষা পাশ করার দরকার) এবং তারা কিভাবে ড্রাইভ করতে পারেন (যেমন, গতিসীমা অধীনে). সোসাইটি এই নিয়ম (যেমন, পুলিশ) enforcing সঙ্গে tasked মানুষ হয়েছে, এবং আমরা যারা তাদের লঙ্ঘন ধরা হয় শাস্তি. সুষম চিন্তা এই একই ধরনের যে সমাজের চালিকা নিয়ন্ত্রণের ক্ষেত্রে প্রযোজ্য ডাটা শেয়ারিং প্রয়োগ করা যেতে পারে. বরং জন্য অথবা ডাটা শেয়ারিং বিরুদ্ধে স্বৈরতন্ত্রের প্রবক্তা আর্গুমেন্ট তৈরীর চেয়ে, আমি মনে করি সবচেয়ে বড় সুবিধা figuring আউট আমরা আরো তথ্য আরো নিরাপদে ভাগ করে নিতে পারেন কিভাবে থেকে আসবে.

উপসংহার, তথ্যমূলক ঝুঁকি নাটকীয়ভাবে বৃদ্ধি পেয়েছে, এবং এটা ভবিষ্যদ্বাণী করা এবং সংখ্যায় খুব কঠিন. অতএব, এটা অনুমান করা যে সব তথ্য সম্ভাব্য শনাক্তযোগ্য এবং সম্ভাব্য সংবেদনশীল সেরা হয়. তথ্য ঝুঁকি হ্রাস করার জন্য যখন গবেষণা করছেন গবেষকরা তৈরি এবং একটি ডেটা সুরক্ষা পরিকল্পনা অনুসরণ করতে পারেন. উপরন্তু, তথ্য ঝুঁকি অন্যান্য বিজ্ঞানীদের সঙ্গে তথ্য ভাগ থেকে গবেষকরা কোনো বাধা নেই.