6.6.2 ကိုနားလည်ခြင်းနှင့်အချက်အလက်ဆိုင်ရာအန္တရာယ်စီမံခန့်ခွဲခြင်း

ဒီဘာသာပြန်ချက်ကွန်ပျူတာအသုံးပြုနေသူများကဖန်တီးခဲ့ပါတယ်။ ×

6.6.2 ကိုနားလည်ခြင်းနှင့်အချက်အလက်ဆိုင်ရာအန္တရာယ်စီမံခန့်ခွဲခြင်း

ပြန်ကြားရေးအန္တရာယ်လူမှုရေးသုတေသနအတွက်အသုံးအများဆုံးအန္တရာယ်ရှိ၏ ကသိသိသာသာတိုးမြှင့်ပြီ ထိုသို့နားလည်ရန်အခက်ခဲဆုံးအန္တရာယ်ဖြစ်ပါတယ်။

ဒစ်ဂျစ်တယ်-အသက်အရွယ်သုတေသနအတွက်ဒုတိယကျင့်ဝတ်ဆိုင်ရာစိန်ခေါ်မှုအချက်အလက်ဆိုင်ရာအန္တရာယ်, သတင်းအချက်အလက်များ၏ထုတ်ဖော်ထံမှထိခိုက်မှုများအတွက်အလားအလာဖြစ်ပါတယ် (National Research Council 2014) ။ ပုဂ္ဂိုလ်ရေးအချက်အလက်များ၏ထုတ်ဖော်ထံမှပြန်ကြားရေးပျက်ဆီး (ဥပမာ, အလုပ်ဆုံးရှုံး), (ဥပမာ, အရှက်) လူမှုရေး, (ဥပမာ, စိတ်ကျရောဂါ) စိတ်ပိုင်းဆိုင်ရာ, ဒါမှမဟုတ်ပင်ပြစ်မှုဆိုင်ရာ (ဥပမာတရားမဝင်အပြုအမူများအတွက်ဖမ်းဆီး) စီးပွားရေးဖြစ်နိုင်ပါတယ်။ ကံမကောင်းစွာပဲဒီဂျစ်တယ်ခေတ်တိုးအချက်အလက်ဆိုင်ရာအန္တရာယ်သိသိသာသာ-အဲဒီမှာကျွန်တော်တို့ရဲ့အပြုအမူအကြောင်းကိုပဲဤမျှလောက်ပိုမိုသောအချက်အလက်များဖြစ်ပါတယ်။ နှင့်သတင်းအချက်အလက်များအန္တရာယ်နားလည်ပြီးထိုကဲ့သို့သောရုပ်ပိုင်းဆိုင်ရာအန္တရာယ်အဖြစ် Analog စအရွယ်လူမှုရေးသုတေသနအတွက်စိုးရိမ်ပူပန်ခဲ့အန္တရာယ်များနှင့်အတူနှိုင်းယှဉ်လျှင်စီမံခန့်ခွဲရန်အလွန်ခက်ခဲသက်သေပြခဲ့သည်။

လူမှုရေးသုတေသီများကအချက်အလက်ဆိုင်ရာအန္တရာယ်လျော့နည်းကျဆင်းကြောင်းတစ်ခုမှာလမ်းအချက်အလက်များ၏ "ကဲ့သို့ပင် anonymiztion" ဖြစ်ပါတယ်။ "Anonymous" ဟုအဆိုပါဒေတာမှထိုကဲ့သို့သောအမည်, လိပ်စာနှင့်တယ်လီဖုန်းနံပါတ်အဖြစ်သိသာပုဂ္ဂိုလ်ရေးဖေါ်ထုတ်ဖယ်ရှားခြင်း၏လုပ်ငန်းစဉ်ဖြစ်ပါတယ်။ သို့သော်ဤချဉ်းကပ်မှုလူများစွာနားလည်သဘောပေါက်ထက်အများကြီးလျော့နည်းထိရောက်သောဖြစ်တယ်, ဒါကြောင့်တကယ်တမ်းအတွက်နက်ရှိုင်းစွာနှင့်အခြေခံကျကျကန့်သတ်သည်။ ဤအကြောင်းကြောင့်ငါသည်ဖော်ပြရန်အခါတိုင်း "ကဲ့သို့ပင် anonymiztion," ငါသည်ဤဖြစ်စဉ်ကိုအမည်မဖော်ဘဲစစ်မှန်တဲ့အမည်ဝှက်၏အသွင်အပြင်ကိုဖန်တီးပေးသည်သင်တို့ကိုသတိပေးမှကိုးကားအမှတ်အသားများကိုအသုံးလိမ့်မယ်။

"အမည်မ" ၏ကျရှုံးမှု၏တစ်ဦးကကွက်ကွက်ကွင်းကွင်းဥပမာမက်ဆာချူးဆက်အတွက် 1990 မှလာ (Sweeney 2002) ။ အဆိုပါ Group မှအာမခံကော်မရှင် (GIC) အားလုံးပြည်နယ်န်ထမ်းများအတွက်ကျန်းမာရေးအာမခံဝယ်ယူဘို့တာဝန်ရှိတစ်ဦးကအစိုးရအေဂျင်စီဖြစ်ခဲ့သည်။ ဤလုပ်ငန်းကတဆင့်, အ GIC ပြည်နယ်န်ထမ်းထောင်ပေါင်းများစွာ၏အကြောင်းကိုအသေးစိတ်ကျန်းမာရေးမှတ်တမ်းများစုဆောင်း။ သုတေသနလှုံ့ဆျောဖို့ကြိုးစားအားထုတ်မှုမှာ GIC သုတေသီများဤမှတ်တမ်းများကိုလွှတ်ဖို့ဆုံးဖြတ်လိုက်တယ်။ သို့သော်သူတို့ဒေတာများအားလုံးကိုမျှဝေပေးတော်မမူ မဟုတ်ဘဲသူတို့ထိုကဲ့သို့သောအမည်နှင့်လိပ်စာများအဖြစ်သတင်းအချက်အလက်ဖယ်ရှားခြင်းအားဖြင့်ဤသူဒေတာကို "အမည်ဝှက်" ။ သို့သော်သူတို့ကထိုကဲ့သို့လူဦးရေဆိုင်ရာသတင်းအချက်အလက်အဖြစ်သုတေသီများများအတွက်အသုံးဝင်သောဖြစ်နိုင်ပါတယ်ထင်သောအခြားသတင်းအချက်အလက် left (ဇစ်ကုဒ်, မွေးနေ့, လူမျိုးရေးနှင့်လိင်) နှင့်ဆေးဘက်ဆိုင်ရာသတင်းအချက်အလက် (အလည်အပတ်ခရီးဒေတာ, ရောဂါ, လုပ်ထုံးလုပ်နည်း) (ပုံ 6.4) (Ohm 2010) ။ ကံမကောင်းစွာပဲဒီ "ကဲ့သို့ပင် anonymiztion" ဟုအဆိုပါဒေတာများကိုကာကွယ်စောင့်ရှောက်ဖို့လုံလောက်သောမဟုတ်ခဲ့ပေ။

ပုံ 6.4: "Anonymous" သတင်းအချက်အလက်ဖော်ထုတ်သိသာဖယ်ရှားခြင်း၏လုပ်ငန်းစဉ်ဖြစ်ပါတယ်။ ပြည်နယ်န်ထမ်းများ၏ဆေးဝါးကုသမှုအာမခံမှတ်တမ်းများလွှတ်တဲ့အခါမှာဥပမာ, မက်ဆာချူးဆက် Group မှအာမခံကော်မရှင် (GIC) ဖိုင်များအနေဖြင့်အမည်နှင့်လိပ်စာများကိုဖယ်ရှားခဲ့သည်။ အဆိုပါဖြစ်စဉ်ကိုအမည်မဖော်ဘဲအမှန်တကယ်အမည်ဝှက်၏အသွင်အပြင်ကိုထောက်ပံ့ပေးနေသောကြောင့်ငါစကားလုံး "အမည်မ" ပတ်လည် quotation သင်္ကေတကိုအသုံးပြုပါ။

ကင်းဘရစ်, မက်ဆာချူးဆက်ပြည်နယ်အုပ်ချုပ်ရေးမှူးဝီလျံဂဟေ၏ဇာတိမြို့၏မြို့ကနေမဲပေးမှတ်တမ်းများဆည်းပူးဖို့ MIT က-paid $ 20 မှာဘွဲ့ရကျောင်းသား Latanya Sweeney-ဖြစ်လျှင်, GIC "အမည်မ" ၏ချို့ယွင်းချက်သရုပျဖျောရန်။ ဤရွေ့ကားမဲပေးမှတ်တမ်းများထိုကဲ့သို့သောအမည်, လိပ်စာ, ဇစ်ကုဒ်, မွေးဖွားသည့်ရက်စွဲနှင့်ကျား, မအဖြစ်သတင်းအချက်အလက်များပါဝင်သည်။ ဆေးပညာဒေတာဖိုင်နှင့်မဲဆန္ဒရှင်ဖိုင်လယ်ကွင်း-ဇစ်ကုဒ်, မွေးဖွားသည့်ရက်စွဲနှင့်လိင်-ဓိပ်ပာ Sweeney သူတို့ကိုလင့်ထားသည်နိုင်ကြောင်း shared ဆိုတဲ့အချက်ကို။ Sweeney ဂဟေရဲ့မွေးနေ့ကိုဇူလိုင်လ 31, 1945 ခဲ့ပါတယ်, နှင့်မဲပေးမှတ်တမ်းများကြောင်းမွေးနေ့နှင့်အတူကိန်းဘရစ်တွင်သာခြောက်လလူတွေကိုထည့်သွင်းကြောင်းသိသည်။ ထို့ပြင်သူတို့သည်ခြောက်လူမျိုး၏, သာသုံးအထီးရှိကြ၏။ နှင့်ထိုလူသုံးယောက်၏, တစ်ဦးတည်းသာဂဟေရဲ့ဇစ်ကုဒ် shared ။ ထို့ကြောင့်မဲပေး data တွေကိုဆေးဘက်မွေးနေ့၏ဂဟေရဲ့ပေါင်းစပ်နှင့်အတူဒေတာ, ကျား, မ, နှင့်ဇစ်ကုဒ်အတွက်မည်သူမဆိုဝီလျံဂဟေဆော်ခဲ့တာကြောင့်ပြသခဲ့သည်။ အနှစ်သာရများတွင်သတင်းအချက်အလက်ဤသုံးပါးကိုအပိုင်းပိုင်းဒေတာအတွက်သူ့ကိုရန်မူထူးခြားတဲ့လက်ဗွေရာဖြစ်သည်။ ဤအချက်ကိုအသုံးပြုခြင်း, Sweeney သူမကသူ့ကိုသူ၏မှတ်တမ်းများမိတ္တူပို့, သူမ၏လုပ်ရပ်များ၏သူ့ကိုအကြောင်းကြားရန်, ဂဟေရဲ့ဆေးဘက်ဆိုင်ရာမှတ်တမ်းများနေရာချထားပေးနိုင်ခဲ့ပါတယ်နှင့် (Ohm 2010) ။

ပုံ 6.5: Re-idenification အမည်ဝှက်အချက်အလက်များ၏။ Latanya Sweeney ပုံ 1, Sweeney (2002) ကနေ Adapted အုပ်ချုပ်ရေးမှူးဝီလျံဂဟေ၏ဆေးဘက်ဆိုင်ရာမှတ်တမ်းများကိုရှာဖွေနိုင်ဖို့အတွက်မဲပေးမှတ်တမ်းများနှင့်အတူအမည်ဝှက်ကျန်းမာရေးမှတ်တမ်းများပေါင်းစပ်။

6.5 ပုံ: Re-idenification "အမည်ဝှက်" အချက်အလက်များ၏။ Latanya Sweeney အုပ်ချုပ်ရေးမှူးဝီလျံဂဟေ၏ဆေးဘက်ဆိုင်ရာမှတ်တမ်းများကိုရှာဖွေနိုင်ဖို့အတွက်မဲပေးမှတ်တမ်းများနှင့်အတူ "အမည်ဝှက်" ကနျြးမာမှတ်တမ်းများပေါင်းစပ်ရာမှ Adapted Sweeney (2002) , ပုံ 1 ။

Sweeney ရဲ့အလုပ်ကွန်ပျူတာလုံခြုံရေးအသိုင်းအဝိုင်းထံမှသက်တမ်းချမှတ်စီစဉျ Re-ဖော်ထုတ်ခြင်းတိုက်ခိုက်မှု၏အခြေခံဖွဲ့စည်းတည်ဆောက်ပုံဖော်ပြသည်။ ဤအတိုက်ခိုက်မှုများအတွက်, ကိုယ်နှိုက်ခြင်းဖြင့်အထိခိုက်မခံသတင်းအချက်အလက်များထုတ်ဖော်ပြသမရာနှစ်ခုဒေတာအစုံ, နှင့်ဆက်စပ်နေကြသည်, ဤချိတ်ဆက်မှတဆင့်အထိခိုက်မခံသတင်းအချက်အလက်ကြုံတွေ့နေရသည်။

Sweeney ရဲ့အလုပ်နှင့်အခြားဆက်စပ်အလုပ်တုံ့ပြန်ခုနှစ်, သုတေသီများသည်ယခုယေဘုယျအားဖြင့် (PII) ပိုပြီးသတင်းအချက်အလက်-အားလုံးဒါခေါ် "ပုဂ္ဂိုလ်ရေးအရဖော်ထုတ်သတင်းအချက်အလက်" ကိုဖယ်ရှား (Narayanan and Shmatikov 2010) ၏လုပ်ငန်းစဉ် -during "အမည်မ။ " ထို့ပြင်များစွာသောသုတေသီများ ယခုတရားမဝင်နဲ့ပတ်သက်တဲ့မေးခွန်းတွေလေ့လာမှဆေးဘက်ဆိုင်ရာမှတ်တမ်းများအဖြစ်အချို့သောထိုကဲ့သို့သောဒေတာ-, ဘဏ္ဍာရေးမှတ်တမ်းများ, အဖြေတွေကိုဖြစ်ကောင်းပင်ပြီးနောက်လွှတ်ပေးရန်လည်းအထိခိုက်မခံအပြုအမူ-ဖြစ်ကြောင်း "အမည်မ။ " နားလည်သဘောပေါက်သို့သော်ကျွန်မပေးရအကြောင်းကိုပေါ့သောဥပမာလူမှုရေးသုတေသီများလိုအပျကွောငျးအကြံပြု သူတို့ရဲ့စဉ်းစားတွေးခေါ်ပြောင်းလဲပစ်ရန်။ တစ်ဦးပထမဦးဆုံးခြေလှမ်းအဖြစ်, ကအားလုံးကိုဒေတာအလားအလာသက်သေပြဖြစ်ကြပြီးအားလုံးဒေတာအလားအလာအထိခိုက်မခံဖြစ်ကြောင်းယူဆရန်ပညာရှိဖြစ်၏။ တနည်းအားဖြင့်မဟုတ်ဘဲအချက်အလက်ဆိုင်ရာအန္တရာယ်စီမံကိန်းများကို၏သေးငယ်တဲ့အစိတ်အပိုင်းအစုသက်ဆိုင်ကြောင်းစဉ်းစားခြင်းထက်, ငါတို့ကသက်ဆိုင်-မှအချို့ဒီဂရီ-အားလုံးကိုစီမံကိန်းများကိုယူဆသငျ့သညျ။

ဒီကျအောင်နှစ်ယောက်စလုံးရှုထောင့်ကတော့ Netflix နဲ့ဆုအားဖြင့်သရုပ်ဖော်ကြသည်။ အခန်း 5 တွင်ဖော်ပြထားသကဲ့သို့ပင်, Netflix နီးပါး 500,000 အဖွဲ့ဝင်များကထောက်ပံ့ပေးသန်း 100 ရုပ်ရှင် ratings ဖြန့်ချိခြင်း, လောကီနိုင်ငံအရပ်ရပ်ရှိသမျှကျော်ထံမှလူတွေရုပ်ရှင်အကြံပြုဖို့ Netflix ရဲ့စွမ်းရည်ကိုတိုးတက်စေနိုင်ကြောင်း algorithms တင်သွင်းဘယ်မှာဖွင့်ခေါ်ဆိုခရှိခဲ့ပါတယ်။ ဒေတာထုတ်မီ, Netflix ဟာထိုကဲ့သို့သောအမည်များအဖြစ်မဆိုသိသာပုဂ္ဂိုလ်ရေးအရဖော်ထုတ်သတင်းအချက်အလက်ဖယ်ရှားခဲ့သည်။ သူတို့ကအစအပိုခြေလှမ်း သွား. (ဥပမာ, 3 ကြယ်များ 4 ကြယ်များထံမှအချို့သော ratings ပြောင်းလဲနေတဲ့) မှတ်တမ်းများအချို့အတွက်အနည်းငယ်အထင်သည်တုန်လှုပ်မှုတည်းမိတ်ဆက်ပေးသည်။ မကြာမီသူတို့ရဲ့အားထုတ်မှုနေသော်လည်း, data ကိုအမည်မသိအဘယ်သူမျှမအားဖွငျ့နေဆဲဖြစ်ကြောင်း, သို့သော်, သူတို့ကရှာဖွေတွေ့ရှိခဲ့သည်။

ဒေတာဖြန့်ချိခဲ့ကြရုံနှစ်ပတ်အတွင်းအပြီး, Arvind Narayanan နှင့်ဗီ Shmatikov (2008) ကတိကျတဲ့လူရဲ့ရုပ်ရှင်ဦးစားပေးအကြောင်းကိုလေ့လာသင်ယူရန်ဖြစ်နိုင်သမျှခဲ့ကြောင်းပြသခဲ့သည်။ သူတို့ရဲ့ Re-ဖော်ထုတ်ခြင်းတိုက်ခိုက်ရန်လှည့်ကွက် Sweeney ရဲ့ဆင်တူခဲ့သည်: အတူတကွနှစ်ခုသတင်းအချက်အလက်ရင်းမြစ်များ, အလားအလာအထိခိုက်မခံသတင်းအချက်အလက်နှင့်မျှမသိသာတဲ့ဖော်ထုတ်သတင်းအချက်အလက်နှင့်လူရဲ့အထောက်အထားတွေကိုပါရှိသည်တစ်ခုနှင့်တသားတပေါင်းစည်း။ ဤအဒေတာအရင်းအမြစ်တစ်ခုချင်းစီကိုတစ်ဦးချင်းစီကိုလုံခြုံစေခြင်းငှါ, ဒါပေမဲ့သူတို့ပေါင်းစပ်ကြသည်သောအခါ, ပေါင်းစပ် Datasets အချက်အလက်ဆိုင်ရာအန္တရာယ်ဖန်တီးနိုင်ပါတယ်။ အဆိုပါ Netflix ဟာအချက်အလက်များ၏ကိစ္စတွင်ခုနှစ်, ဒီမှာဖြစ်ပျက်နိုင်ကြောင်းကိုမည်သို့ပါပဲ။ ငါသည်ငါ့လုပ်ဖော်ကိုင်ဖက်တွေနဲ့အရေးယူနှင့်ဟာသရုပ်ရှင်အကြောင်းကိုငါ၏အကြံအစည်ဝေမျှဖို့ရွေးချယ်ကြောင်း, ဒါပေမယ့်ငါကဘာသာရေးနှင့်နိုင်ငံရေးရုပ်ရှင်အကြောင်းကိုကျနော့်အမြင်ဝေမျှဖို့မကြိုက်တတ်တဲ့ဆိုပါစို့။ အကြှနျုပျ၏ Co-အလုပ်သမား Netflix နဲ့ဒေတာ၌ငါ့မှတ်တမ်းများကိုရှာဖွေသူတို့ကိုငါနှင့်အတူမျှဝေပါတယ်ကွောငျးသတငျးအခကျြသုံးလို့ရတယ်, ငါဝေမျှသောသတင်းအချက်အလက်ရုံဝီလျံဂဟေရဲ့မွေးနေ့, ဇစ်ကုဒ်နှင့်လိင်ကဲ့သို့ထူးခြားသောလက်ဗွေဖြစ်နိုင်ပါတယ်။ သူတို့ကဒေတာ၌ငါ့ထူးခြားတဲ့လက်ဗွေရာကိုတွေ့ပါလျှင်ထို့နောက်၎င်းတို့သည်ငါဝေမျှဖို့မရှေးခယျြကြောင်းရုပ်ရှင်အပါအဝင်အားလုံးရုပ်ရှင်များ, အကြောင်းကိုငါ့အ ratings သင်ယူနိုင်မည်ဖြစ်သည်။ တစ်ခုတည်းလူတစ်ဦးအပေါ်အာရုံစူးစိုက်ပစ်မှတ်ထားတိုက်ခိုက်ဒီလိုမျိုးအပြင်, Narayanan နှင့် Shmatikov လည်းလူအတော်များများဖြင့်ပုဂ္ဂိုလ်ရေးနှင့်ရုပ်ရှင်အဆင့်သတ်မှတ်ချက်ဒေတာနှင့်အတူ Netflix နဲ့ data တွေကိုပေါင်းစည်းတချို့လူတွေရွေးယူဘူးသောပတျသကျတဲ့ကျယ်ပြန့်တိုက်ခိုက် -one လုပ်ဖို့ဖြစ်နိုင်ခြေခဲ့ကြောင်းပြသ အင်တာနက်ကို Movie, Database ဟာ (IMDb) ရက်နေ့တွင် post ရန်။ တိကျတဲ့လူတစ်ဦး-ပင်သူတို့ကိုခွဲခြားသတ်မှတ်ရာတွင်အသုံးပြုနိုင်ရုပ်ရှင်-နိုင်ပါတယ် ratings သူတို့ရဲ့ set ကိုတစ်မူထူးခြားတဲ့လက်ဗွေကြောင်းအတော်လေးရိုးရှင်းစွာဆိုသတင်းအချက်အလက်။

အဆိုပါ Netflix နဲ့ဒေတာတွေကိုဖြစ်စေမယ့်ပစ်မှတ်သို့မဟုတ်ကျယ်ပြန့်တိုက်ခိုက်အတွက် re-ဖော်ထုတ်နိုင်ပါတယ်သော်လည်းနေဆဲအနိမ့်အန္တရာယ်ဖြစ်ပေါ်လာပေလိမ့်မည်။ ပြီးနောက်ရှိသမျှတို့, ရုပ်ရှင် ratings အလွန်အထိခိုက်မခံမထင်ကြဘူး။ ကြောင်းယေဘုယျတှငျစစျမှနျသောဖြစ်စေခြင်းငှါစဉ်အခါ, Datasets အတွက် 500,000 ပြည်သူပြည်သားအချို့အဘို့, ရုပ်ရှင် ratings အတော်လေးထိခိုက်မခံဖြစ်လိမ့်မယ်။ တကယ်တော့ပြန်လည်ဖော်ထုတ်ခြင်းမှတုန့်ပြန်နေတဲ့ဗီရိုလိင်တူချစ်သူအမျိုးသမီးတစ်ဦး Netflix နဲ့ဆန့်ကျင်နေတဲ့လူတန်းစား-action ကိုဝတ်စုံကိုဝင်ရောက်ခဲ့သည်။ ဤတွင်ပြဿနာကသူတို့တရားစွဲဆိုမှုအတွက်ထုတ်ဖော်ပြောဆိုခဲ့သည်ကိုဘယ်လိုဖွင့် (Singel 2009) :

"[M က] ovie နှင့်အဆင့်သတ်မှတ်ချက်ဒေတာတစ်ဦး ... အလွန်အမင်းကိုယ်ရေးကိုယ်တာနှင့်အထိခိုက်မခံသဘာဝတရား၏သတင်းအချက်အလက်များပါဝင်သည်။ အဆိုပါအဖွဲ့ဝင်တစ်ဦးရဲ့ရုပ်ရှင်ဒေတာတစ်ဦး Netflix နဲ့အဖွဲ့ဝင်တစ်ဦးရဲ့ပုဂ္ဂိုလ်ရေးအကျိုးစီးပွားဖျောထုတျနှင့် / သို့မဟုတ်သှေးရငျးခငျြးကာမဆကျဆံခွငျး, ရုပ်ပိုင်းဆိုင်ရာအလွဲသုံးစားမှု, အိမ်တွင်းအကြမ်းဖက်မှု, အိမ်ထောင်ရေးဖောက်ပြန်နှင့်မုဒိမ်းမှုကနေလိင်, စိတ်ရောဂါ, အရက်ကနေပြန်လည်နာလန်ထူနှင့်သားကောင်အပါအဝင်အမျိုးမျိုးသောအလွန်အမင်းပုဂ္ဂိုလ်ရေးဆိုင်ရာကိစ္စရပ်များနှင့်အတူရုန်းကန်နေရတဲ့။ "

အဆိုပါ Netflix နဲ့ Prize ကိုအချက်အလက်များ၏ပြန်လည်ဖော်ထုတ်ခြင်းအားလုံးဒေတာအလားအလာသက်သေပြဖြစ်ကြပြီးအားလုံးဒေတာအလားအလာအထိခိုက်မခံဖြစ်ကြကြောင်းကိုနှစ်ဦးစလုံးဖော်ပြသည်။ ဤအချက်မှာ, သင်သည်ဤသာကလူအကြောင်းကိုဖြစ်ဆီကကြောင့် data ကိုသက်ဆိုင်သည်ဟုမထင်ပေလိမ့်မည်။ အံ့သြစရာကောင်းတာကသောအမှုမဟုတ်ပါ။ ပြန်ကြားရေးဥပဒေတောင်းဆိုချက်အရတစ် Freedom ကိုတုံ့ပြန်ခုနှစ်တွင်နယူးယောက်စီးတီးအစိုးရပစ်ကပ်အပါအဝင် 2013 ခုနှစ်တွင်နယူးယောက်ရှိတိုင်းတက္ကစီစီး၏မှတ်တမ်းများဖြန့်ချိခြင်းနှင့်ကြိမ်, တည်နေရာနှင့်ခပမာဏချွတ် drop (ပြန်လည်သိမ်းဆည်းအခန်း 2 ကနေကြောင်း Farber (2015) ) အလုပ်သမားဘောဂဗေဒအတွက်အရေးကြီးသောသီအိုရီကိုစမ်းသပ်ဖို့အလားတူဒေတာကိုအသုံးပြုခဲ့သည်။ သူတို့ကလူအကြောင်းသတင်းအချက်အလက်ပေးမထင်ကြဘူးဘာဖြစ်လို့လဲဆိုတော့တက္ကစီခရီးစဉ်အကြောင်းကိုဤရွေ့ကား data တွေကိုညင်သာပျော့ပျောင်းထင်ပေမယ့်အန်သိုနီ Tockar ဒီတက္ကစီ Datasets တကယ်ကလူအကြောင်းကိုအလားအလာအထိခိုက်မခံသတင်းအချက်အလက်အမြောက်အမြားပါရှိသောသဘောပေါက်လာတယ်။ ဥပမာသူက New အတွက် Hustler ကလပ်-ကြီးမားသောချွတ်ကလပ်နယူးယောက်-အကြားသန်းခေါင်နဲ့ 6 နာရီတွင်စတင်အားလုံးခရီးစဉ်မှာကြည့်ပြီးတော့သူတို့ရဲ့ Drop-ချွတ်နေရာများတွင်တွေ့ရှိခဲ့ပါတယ်။ ဤသည်ရှာဖွေရေးထင်ရှား-အတွက် Hustler ကလပ်မကြာခဏသူအချို့လူများ၏လိပ်စာများအနှစ်သာရ-စာရင်းတစ်ခု (Tockar 2014) ။ ဒါဟာဒေတာဖြန့်ချိသည့်အခါမြို့အစိုးရစိတ်ထဲ၌ဤရှိခဲ့ကြောင်းစိတ်ကူးရန်ခဲယဉ်းသည်။ တကယ်တော့ဒီတူညီတဲ့ technique ကိုတမြို့လုံး-ဆေးပညာဆေးခန်းတစ်ခုကအစိုးရအဆောက်အဦ, ဒါမှမဟုတ်တစ်ဦးဘာသာရေးအဖွဲ့အစည်းအတွက်မဆိုရာအရပ်ကိုသွားရောက်ကြည့်ရှုသူတွေကို၏အိမျလိပ်စာများကိုရှာတွေ့ဖို့အသုံးပြုနိုင်ပါတယ်။

အတော်လေးကျွမ်းကျင်လူတွေကိုမှန်မှန်ကန်ကန်သူတို့လွှတ်ပေးရန်-နှင့်ဤအမှုများကိုအဘယ်သူမျှမနေဖြင့်ဖြစ်ကြောင်းယင်းဒေတာအတွက်သတင်းအချက်အလက်များအန္တရာယ်ခန့်မှန်းရန်ပျက်ကွက်နိုငျသော Netflix နဲ့ဆုနှင့်နယူးယောက်မြို့တက္ကစီ data တွေကိုပြသထူးခြားတဲ့ဆိုလိုတယ်ဤကိစ္စနှစ်ခု (Barbaro and Zeller 2006; Zimmer 2010; Narayanan, Huey, and Felten 2016) ။ နောက်ထပ်များစွာသောဤကဲ့သို့သောအမှုများတွင်, ပြဿနာ data တွေကိုအစဉ်အဆက်ဒေတာလွှတ်ပေးရန်မှုကိုပွုပွငျရာတှငျများ၏အခက်အခဲကိုညွှန်း, အွန်လိုင်းနေဆဲလွတ်လွတ်လပ်လပ်ရရှိနိုင်ပါသည်။ စုပေါင်းဤဥပမာ-အဖြစ်အရေးကြီးသောနိဂုံးချုပ်ဖို့ privacy ကို-ခဲအကြောင်းကိုကွန်ပျူတာသိပ္ပံသုတေသန။ သုတေသီများအားလုံးဒေတာအလားအလာသက်သေပြဖြစ်ကြပြီးအားလုံးဒေတာအလားအလာအထိခိုက်မခံဖြစ်ကြောင်းယူဆသငျ့သညျ။

ကံမကောင်းစွာပဲ, ရှိသမျှဒေတာအလားအလာသက်သေပြဖြစ်ကြပြီးအားလုံးဒေတာအလားအလာအထိခိုက်မခံဖြစ်ကြကြောင်းကိုအချက်အလက်များမရှိရိုးရှင်းတဲ့ဖြေရှင်းချက်လည်းမရှိ။ သို့သျောလညျးသငျသညျဒေတာနှင့်အတူအလုပ်လုပ်နေစဉ်အချက်အလက်ဆိုင်ရာအန္တရာယ်လျှော့ချဖို့တလမ်းတည်းနေတဲ့ဒေတာကိုကာကွယ်စောင့်ရှောက်မှုအစီအစဉ်ကိုဖန်တီးလိုကျနာဖို့ဖြစ်ပါတယ်။ ဤအစီအစဉ်သည်သင်၏ဒေတာပေါက်ကြားပါလိမ့်မယ်တစ်ဦးယိုစိမ့်တစ်နည်းနည်းနဲ့ဖြစ်ပေါ်ပါဘူးလျှင်အန္တရာယ်လျော့နည်းကျဆင်းလိမ့်မည်ဟုအခွင့်အလမ်းကိုလျော့ချပါလိမ့်မယ်။ ဘေးကင်းလုံခြုံစီမံကိန်းများ, ဘေးကင်းလုံခြုံသောလူ: အဆိုပါထိုကဲ့သို့သောသုံးစွဲဖို့ encryption ကို၏ထားတဲ့ပုံစံအဖြစ် data တွေကိုကာကွယ်စောင့်ရှောက်ရေးအစီအစဉ်အသေးစိတ်အချက်အလက်ကို, အချိန်ကြာလာတာနဲ့အမျှပြောင်းလဲသွားပါလိမ့်မယ်, ဒါပေမယ့်ဗြိတိန်မှာ Data န်ဆောင်မှုများ helpfully သူတို့ကငါး Safe ကိုပဌနာငါးအမျိုးအစားသို့ဒေတာကာကွယ်စောင့်ရှောက်ရေးအစီအစဉ်၏ဒြပ်စင်စုစည်း လုံခြုံအပြင်အဆင်များ, ဘေးကင်းလုံခြုံဒေတာနှင့်ဘေးကင်းလုံခြုံရလဒ် (စားပွဲ 6.2) (Desai, Ritchie, and Welpton 2016) ။ ငါး Safe အဘယ်သူအားမျှတစ်ဦးချင်းစုံလင်သောကာကွယ်စောင့်ရှောက်မှုပေး။ ဒါပေမဲ့အတူတူသူတို့ကအချက်အလက်ဆိုင်ရာအန္တရာယ်လျော့နည်းကျဆင်းနိုင်သောအချက်များတစ်အစွမ်းထက် set ကိုဖွဲ့စည်းထားပါသည်။

စားပွဲတင် 6.2: အဆိုပါ "ငါး Safe" ဒီဇိုင်းရေးဆွဲခြင်းများအတွက်အခြေခံမူဖြစ်ကြပြီးတစ်ဦးမှာ Data ကာကွယ်စောင့်ရှောက်ရေးအစီအစဉ်ကွပ်မျက် (Desai, Ritchie, and Welpton 2016)
လုံခွုံသော	လှုပ်ရှားမှု
ဘေးကင်းလုံခြုံစီမံကိန်းများကို	ကျင့်ဝတ်ဆိုင်ရာဖြစ်ကြောင်းသူတို့အားဒေတာတွေနဲ့ကန့်သတ်စီမံကိန်းများကို
ဘေးကင်းလုံခြုံသောလူ	Access ကိုဒေတာနှင့်အတူယုံကြည်စိတ်ချနိုင်ပါတယ်သူတွေကို (ဥပမာကျင့်ဝတ်ဆိုင်ရာသင်တန်းပေးခြင်းခံကြသူတွေကို) ကိုကန့်သတ်တာဖြစ်ပါတယ်
ဘေးကင်းလုံခြုံဒေတာ	ဒေတာများကိုဖြစ်နိုင်သမျှအတိုင်းအတာမှဖယ်ရှား-ဖော်ထုတ်နှင့်စုစည်းထားပါသည်
ဘေးကင်းလုံခြုံ settings ကို	ဒေတာများကိုသင့်လျော်သည့်ရုပ်ပိုင်းဆိုင်ရာ (ဥပမာ, သော့ခတ်တဲ့အခန်း) နဲ့ကွန်ပျူတာများထဲမှာသိမ်းထားပါတယ်နှင့် software (ဥပမာ, စကားဝှက်ကာကွယ်မှုစာဝှက်ထားတဲ့) ကာကွယ်စောင့်ရှောက်ရေး
ဘေးကင်းလုံခြုံ output ကို	သုတေသန output ကိုမတော်တဆ privacy ကိုချိုးဖောက်ကာကွယ်တားဆီးဖို့ပြန်လည်သုံးသပ်နေပါတယ်

သူတို့ကိုသင်အသုံးပြုနေသည်နေချိန်မှာသင့်ရဲ့ဒေတာကိုကာကွယ်စောင့်ရှောက်ဖို့အပြင်, သတင်းအချက်အလက်အန္တရာယ်အထူးသဖြင့်အဓိကဖြစ်ပါတယ်ရှိရာသုတေသနလုပ်ငန်းစဉ်များတွင်တစ်ဦးခြေလှမ်းသည်အခြားသုတေသီများနှင့်အတူဒေတာခွဲဝေမှုဖြစ်ပါတယ်။ သိပ္ပံပညာရှင်များအကြား data ကိုခွဲဝေမှုသိပ္ပံနည်းကျကြိုးပမ်းအားထုတ်မှုများ၏အမာခံတန်ဖိုးကိုဖြစ်တယ်, ဒါကြောင့်ကိုအလွန်သိကျွမ်းရာအတိုးနိုင်အောင်စီစဉ်ပေးထားတယ်။ ဤတွင် Commons ၏ဗြိတိန်အောက်လွှတ်တော်ဒေတာခွဲဝေမှု၏အရေးပါမှုကိုဖော်ပြထားပုံကိုဖွင့် (Molloy 2011) :

သုတေသီများ, မျိုးပွားအတည်ပြုရန်နှင့်စာပေအစီရင်ခံဖြစ်ကြောင်းရလဒ်ပေါ်မှာတည်ဆောက်ဖို့ဆိုလြှငျ "ဒေတာမှ Access ကိုအခြေခံသည်။ အဆိုပါယူဆတစ်ဦးအားကြီးသောအကြောင်းပြချက်မဟုတ်ရင်လည်းမရှိမဟုတ်လျှင်, ဒေတာအပြည့်အဝထုတ်ဖော်နှင့်လူသိရှင်ကြားရရှိနိုင်မဖြစ်စေ, ထိုဖြစ်ရပါမည်။ "

သို့သျောလညျး, အခြားသုတေသီနှင့်အတူသင့်ရဲ့ဒေတာဝေမျှခြင်းအားဖြင့်, သင်သည်သင်၏သင်တန်းသားများအတွက်သတင်းအချက်အလက်အန္တရာယ်တိုးပွားလာနိုင်ပါသည်။ ထို့ကြောင့်က data တွေကိုခွဲဝေမှုသည်အခြားသိပ္ပံပညာရှင်များနှင့်သင်တန်းသားများအတွက်သတင်းအချက်အလက်အန္တရာယ် minimize ဖို့တာဝန်နှင့်အတူ data share ဖို့တာဝန်အကြားအခြေခံကျတင်းမာမှုဖန်တီးထင်ရပေမည်။ ကံကောင်းထောက်မစွာ, ဒီအကြပ်အတည်းကပေါ်လာတဲ့အတိုင်းပြင်းထန်မဟုတ်ပါဘူး။ ယင်းအစားကြောင့်စဉ်ဆက်အပေါ်တစ်ခုချင်းစီကိုအမှတ်သင်တန်းသားများကို (ပုံ 6.6) မှလူ့အဖွဲ့အစည်းနှင့်အန္တရာယ်မှအကျိုးကျေးဇူးများကိုတစ်ဦးကွဲပြားခြားနားသောရောနှောပေးနှင့်အတူတစ်ဦးစဉ်ဆက်တစ်လျှောက်ကျဆင်းအဖြစ်ဒေတာခွဲဝေမှုကိုစဉ်းစားရန် သာ. ကောင်း၏။

တဦးတည်းအစွန်းရောက်မှာ, သင်သင်တန်းသားများကိုအန္တရာယ် minimize လုပ်ဒါပေမယ့်လည်းလူ့အဖွဲ့အစည်းမှအကျိုးအမြတ် minimize လုပ်ရသောအဘယ်သူမျှမနှင့်အတူသင့်ရဲ့ဒေတာကိုမျှဝေနိုင်ပါတယ်။ အခြားအစွန်းရောက်မှာ, သငျသညျဒေတာ "အမည်ဝှက်" နှင့်လူတိုင်းအတွက် posted ရှိရာ, လွှတ်ပေးရန်နှင့်မေ့လျော့နိုင်ပါတယ်။ , ဒေတာထုတ်မဆွေမျိုးလွှတ်ပေးရန်နှင့်မေ့လျော့လူ့အဖွဲ့အစည်းနှင့်သင်တန်းသားများကိုအဆင့်မြင့်အန္တရာယ်မှနှစ်ဦးစလုံးပိုမိုမြင့်မားအကျိုးခံစားခွင့်ပေးထားပါတယ်။ အဲဒီနှစျခုအစွန်းရောက်ဖြစ်ပွားမှုအကြား၌ငါခိုင်ခံ့သောဥယြာဉျချဉ်းကပ်မခေါ်ပါလိမ့်မယ်အဘယျသို့အပါအဝင် hybrids တွေကိုတစ်အကွာအဝေးဖြစ်ကြသည်။ ဒီချဉ်းကပ်မှုလက်အောက်တွင်, ဒေတာအချို့သောသတ်မှတ်ချက်နှင့်အတူအဘယ်သူအချို့စည်းမျဉ်းစည်းကမ်းတွေ (တစ်ဦး IRB နှင့်ဒေတာများကာကွယ်စောင့်ရှောက်ရေးအစီအစဉ်ကနေဥပမာကြီးကြပ်) အားဖြင့်ချည်နှောင်လျက်ခံရဖို့သဘောတူတွေ့ဆုံရန်သောသူတို့နှငျ့အတူမျှဝေနေကြသည်။ The Wall ဥယျာဉ်ကိုချဉ်းကပ်လွှတ်ပေးရန်၏အကျိုးကျေးဇူးများများစွာကိုပေးလျော့နည်းအန္တရာယ်နှင့်အတူမေ့လျော့။ ဟုတ်ပါတယ်, ဒီလိုချဉ်းကပ်နည်းမေးခှနျးမြားစှာ-သောသူတို့သည်အဘယ်သို့သောအခြေအနေများအောက်တွင်နှင့်အဘယ်မျှကာလပတ်လုံးအဘို့, access ကိုရှိသင့်သည်, ခိုင်ခံ့သောဥယြာဉျကိုထိန်းသိမ်းရန်နှင့်တွေနဲ့ထိန်းသိမ်းမှပေးဆောင်စသည်တို့ကို-ပေမယ့်ဒီကျော်လွှားနေကြသည်မဟုတ်သင့်ပါတယ်သူကိုဖန်တီးပေးပါတယ်။ တကယ်တော့သုတေသီများထိုကဲ့သို့သောမီချီဂန်တက္ကသိုလ်မှနိုင်ငံရေးသိပ္ပံနှင့်လူမှုရေးသုတေသနများအတွက် Inter-တက္ကသိုလ် Consortium ၏ဒေတာ archive ကိုအဖြစ်, အခုသုံးနိုငျသောအရပ်တွင်ရှိပြီးအလုပ်လုပ်ကိုင်တံတိုင်းကာရံထားသောဥယျာဉ်ရှိပါတယ်။

ပုံ 6.6: ဒေတာများလွှတ်ပေးရန်မဟာဗျူဟာတစ်ခုစဉ်ဆက်တလျှောက်လဲကျနိုင်ပါတယ်။ သင်ဤစဉ်ဆက်အပေါ်ဖြစ်သင့်အဘယ်မှာရှိသင့်ရဲ့အချက်အလက်များ၏တိကျအသေးစိတ်အချက်အလက်ပေါ်မူတည်နှင့် Third-party ပြန်လည်သုံးသပ်သင့်အမှု၌အန္တရာယ်နှင့်အကျိုးသင့်လျော်သောချိန်ခွင်လျှာဆုံးဖြတ်ကူညီလိမ့်မည်။ ဒီမျဉ်းကွေး၏အတိအကျကိုအသွင်သဏ္ဌာန်ဒေတာနှင့်သုတေသနရည်မှန်းချက်ပန်းတိုင်၏အသေးစိတ်အချက်အလက်ကိုအပေါ်မူတည် (Goroff 2015) ။

ဒါကြောင့်ဘယ်နေရာမှာသင့်ရဲ့လေ့လာမှုကနေဒေတာ, အဘယ်သူမျှမခွဲဝေမှု၏စဉ်ဆက်ပေါ်တံတိုင်းကာရံထားသောဥယျာဉ်တော်ဖြစ်နှင့်ဖြန့်ချိခြင်းနှင့်မေ့လျော့သင့်သလဲ ဒါဟာသင့်ရဲ့အချက်အလက်များ၏အသေးစိတ်အချက်အလက်များကိုအပေါ်မူတည်: သုတေသီများ, ကောင်းတဲ့အ, တရားမျှတမှုနှင့်ဥပဒေနှင့်ပြည်သူ့အကျိုးစီးပွားများအတွက်လေးစား Persons များအတွက်လေးစားဟန်ချက်မျှအောင်ပြုလုပ်ပေးရမည်ဖြစ်သည်။ ဒီရှုထောင့်ကနေ Viewed, ဒေတာခွဲဝေမှုတစ်ဦးကွဲပြားခြားနားသောကျင့်ဝတ်ဆိုင်ရာ conundrum မျှမက, ဒါကြောင့်ကိုယ့်တဦးတည်းသုတေသီများအနေနဲ့သင့်လျော်သောကျင့်ဝတ်ဆိုင်ရာချိန်ခွင်လျှာကိုရှာဖွေရန်ရှိသည်သောသုတေသနများအများအပြားရှုထောင့်သည်။

ကျနော့်အမြင်ရှိသူတို့က၎င်း၏အန္တရာယ်များ-ထားတဲ့ခြောကို real-နှင့်၎င်း၏အကျိုးကျေးဇူးများကိုလျစ်လျူရှုနေကြသည်များမှာအာရုံစိုက်နေကြသည်ကြောင့်အချို့ဝေဖန်သူများကယေဘုယျအားဖြင့်ဒေတာများခွဲဝေမှုဆန့်ကျင်နေကြသည်။ ဒါကြောင့်အန္တရာယ်များနှင့်အကျိုးခံစားခွင့်နှစ်ဦးစလုံးအပေါ်အာရုံစူးစိုက်အားပေးနိုင်ဖို့အတွက်ကျနော်အနေနဲ့နှိုင်းယှဉ်မယ်ဆိုရင်ပူဇော်ချင်ပါတယ်။ နှစ်စဉ်နှစ်တိုင်း, ကားများသေဆုံးမှုထောင်ပေါင်းများစွာ၏မူလတာဝန်ရှိသည်, ဒါပေမယ့်ကျွန်တော်မောင်းနှင်မှုကိုပိတ်ပင်ရန်ကြိုးစားပါဘူး။ မောင်းနှင်မှုအများကြီးအံ့သြဖွယ်အမှုအရာဖွဘာဖြစ်လို့လဲဆိုတော့တကယ်တော့, မောင်းနှင်မှုတားမြစ်ရန်တောင်းဆိုမှုစိတ်ပျက်ဖွယ်ဖြစ်လိမ့်မည်။ ယင်းအစားလူ့အဖွဲ့အစည်း (ဥပမာအချို့အသက်အရွယ်ဖြစ်ရန်လိုအပ်ကြောင်းနှင့်အချို့သောစာမေးပွဲများကူးမြောက်ရန်) မောင်းနှင်နိုင်သူအပေါ်ကန့်သတ်ခြင်းနှင့်မည်ကဲ့သို့သူတို့ (အမြန်နှုန်းကန့်သတ်အောက်မှာဥပမာ) မောင်းနှင်နိုင်ပါတယ်နေရာ။ လူ့အဖွဲ့အစည်းကိုလည်းထိုအစည်းမျဉ်းစည်းကမ်းတွေပြဋ္ဌာန်းအတူတာဝန်ပေးဆောင်ရွက်လူတွေ (ဥပမာ, ရဲ) ရှိပြီး, ငါတို့သည်သူတို့ကိုချိုးဖောက်ဖမ်းမိသူကလူကိုအပြစ်ပေး။ လူ့အဖွဲ့အစည်းမောင်းနှင်မှုကိုထိန်းညှိဖို့သက်ဆိုင်ကြောင်းမျှမျှတတစဉ်းစားတွေးခေါ်၏ဤတူညီသောမျိုးကိုလည်းဒေတာခွဲဝေမှုဖို့လျှောက်ထားနိုင်ပါသည်။ အဲဒီအစားဒေတာခွဲဝေမှုအတွက်သို့မဟုတ်ဆန့်ကျင်ဆံပိုင်အငြင်းပွားမှုများအောင်ထက်, ငါငါတို့သည်အန္တရာယ်များကိုလျော့ချခြင်းနှင့်ဒေတာများခွဲဝေမှုအနေဖြင့်အကျိုးခံစားခွင့်တိုးမြှင့်ပေးနိုင်ပုံကိုအာရုံစိုက်ခြင်းအားဖြင့်အများဆုံးတိုးတက်မှုကိုဖြစ်စေမည်ဟုထင်သည်။

ကောက်ချက်ချရန်, သတင်းအချက်အလက်အန္တရာယ်သိသိသာသာတိုးမြှင့်ထားပါတယ်, ဒါကြောင့်ကြိုတင်ခန့်မှန်းခြင်းနှင့်တွက်ချက်ရန်အလွန်ခဲယဉ်းသည်။ ဒါကြောင့်အားလုံးဒေတာအလားအလာသက်သေပြခြင်းနှင့်အလားအလာအထိခိုက်မခံဖြစ်ကြောင်းယူဆရန်အကောင်းဆုံးဖြစ်ပါတယ်။ သုတေသနလုပ်နေစဉ်အချက်အလက်ဆိုင်ရာအန္တရာယ်လျော့နည်းကျဆင်းစေရန်, သုတေသီများဒေတာကာကွယ်စောင့်ရှောက်ရေးအစီအစဉ်ကိုဖန်တီးလိုကျနာနိုငျသညျ။ နောက်ထပ်သတင်းအချက်အလက်များအန္တရာယ်သည်အခြားသိပ္ပံပညာရှင်များနှင့်အတူဒေတာဝေမျှထံမှသုတေသီများတားဆီးမထားဘူး။