6.6.2 ကိုနားလည်ခြင်းနှင့်အချက်အလက်ဆိုင်ရာအန္တရာယ်စီမံခန့်ခွဲခြင်း

ပြန်ကြားရေးအန္တရာယ်လူမှုရေးသုတေသနတွင်အသုံးအများဆုံးအန္တရာယ်ဖြစ်၏ ကသိသိသာသာတိုးမြှင့်ပြီ ထိုသို့နားလည်သဘောပေါက်ရန်အခက်ခဲဆုံးအန္တရာယ်ဖြစ်ပါတယ်။

လူမှုရေးအသက်အရွယ်ဒစ်ဂျစ်တယ်သုတေသနအတွက်ဒုတိယကျင့်ဝတ်ဆိုင်ရာစိန်ခေါ်မှုအချက်အလက်ဆိုင်ရာအန္တရာယ်, သတင်းအချက်အလက်များ၏ထုတ်ဖော်ထံမှထိခိုက်မှုများအတွက်အလားအလာသည် (Council 2014) ။ ပုဂ္ဂိုလ်ရေးအချက်အလက်များ၏ထုတ်ဖော်မှပြန်ကြားရေးပျက်ဆီး (ဥပမာ, အလုပ်ဆုံးရှုံး), (ဥပမာ, အရှက်) လူမှုရေး, (ဥပမာ, စိတ်ကျရောဂါ) စိတ်ပိုင်းဆိုင်ရာ, ဒါမှမဟုတ်ပင်ပြစ်မှုဆိုင်ရာ (ဥပမာ, တရားမဝင်အပြုအမူများအတွက်ဖမ်းဆီး) စီးပွားရေးမဖြစ်နိုင်ဘူး။ ကံမကောင်းစွာပဲ, ဒစ်ဂျစ်တယ်အသက်အရွယ်သတင်းအချက်အလက်အန္တရာယ်သိသိသာသာ-ရှိကျွန်ုပ်တို့၏အပြုအမူနှင့် ပတ်သက်. ဖွင့်တာကပိုသတင်းအချက်အလက်များသည်တိုးပွားစေပါသည်။ ထိုအပြန်ကြားရေးအန္တရာယ်ထိုကဲ့သို့သောရုပ်ပိုင်းဆိုင်ရာအန္တရာယ်အဖြစ် Analog စအသက်အရွယ်လူမှုရေးသုတေသနတွင်စိုးရိမ်ပူပန်မှုများ, ဖြစ်ကြောင်းအန္တရာယ်များနှင့်နှိုင်းယှဉ်နားလည်နှင့်စီမံခန့်ခွဲရန်အလွန်ခက်ခဲသက်သေပြခဲ့သည်။ ဒစ်ဂျစ်တယ်အသက်အရွယ်အချက်အလက်ဆိုင်ရာအန္တရာယ်တိုးပွါးပုံကိုကြည့်ရှုခြင်းငှါ, အီလက်ထရောနစ်ဆေးဘက်ဆိုင်ရာမှတ်တမ်းများအရစက္ကူကနေအကူးအပြောင်းစဉ်းစားပါ။ မှတ်တမ်းများနှစ်ဦးစလုံးအမျိုးအစားများအန္တရာယ်ဖန်တီးပေမယ့်ကြီးမားတဲ့အတိုင်းအတာမှာသူတို့တစ်ဦးခွင့်ပြုချက်မရှိဘဲပါတီမှကူးစက်နိုင်ပါတယ်သို့မဟုတ်အခြားမှတ်တမ်းများနှင့်အတူပေါင်းစည်းကြောင့်အီလက်ထရောနစ်မှတ်တမ်းများအများကြီးကြီးမြတ်အန္တရာယ်များကိုဖန်တီးပါ။ သူတို့အပြည့်အဝကတွက်ချက်ခြင်းနှင့်စီမံခန့်ခွဲဖို့ဘယ်လိုနားမလညျခဲ့ကွသောကွောငျ့ဒစ်ဂျစ်တယ်ခေတ်တွင်ဆိုရှယ်သုတေသီများပြီးသားအစိတ်အပိုင်းအတွက်ပြန်ကြားရေးအန္တရာယ်နှင့်အတူဒုက္ခသို့ပြေးကြပြီ။ ဒါကြောင့်ကျွန်မအချက်အလက်ဆိုင်ရာအန္တရာယ်စဉ်းစားရန်တစ်ထောကျအကူပွုလမ်းဆက်ကပ်သွားတာပါ, ပြီးတော့ငါသင်သည်သင်၏သုတေသနနှင့်အခြားသုတေသီများမှဒေတာများထုတ်လွှတ်အတွက်ပြန်ကြားရေးအန္တရာယ်စီမံခန့်ခွဲဖို့ဘယ်လိုအဘို့အအချို့သောအကွံဉာဏျပေးမယ့်တာပါ။

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

"ကဲ့သို့ပင် anonymiztion" ၏ရှုံးနိမ်တစ်ဦးကကွက်ကွက်ကွင်းကွင်းဥပမာအားမက်ဆာချူးဆက်အတွက်နှောင်းပိုင်းတွင် 1990 ပြည့်နှစ်မှလာ (Sweeney 2002) ။ အဆိုပါအုပ်စုအာမခံကော်မရှင် (GIC) အားလုံးပြည်နယ်န်ထမ်းများအတွက်ကျန်းမာရေးအာမခံ purchasing အတှကျတာဝနျရှိတဲ့အစိုးရအေဂျင်စီကခဲ့သည်။ ဤလုပ်ငန်းကတဆင့်, အ GIC ပြည်နယ်န်ထမ်းထောင်ပေါင်းများစွာ၏အကြောင်းကိုအသေးစိတ်ကနျြးမာရေးမှတ်တမ်းများစုဆောင်း။ ကနျြးမာရေးတိုးတက်လာဖို့နည်းလမ်းတွေအကြောင်းသုတေသနလုပ်ငန်းဆွဲဆောင်လာခဲ့ပါတယ်တစ်ဦးကြိုးပမ်းအားထုတ်မှုအတွက်, GIC သုတေသီများဤမှတ်တမ်းများကိုလွှတ်ဖို့ဆုံးဖြတ်လိုက်တယ်။ သို့သော်သူတို့အချက်အလက်များ၏အားလုံးမျှဝေဘဲ, အစား, သူတို့ကထိုကဲ့သို့သောအမည်နှင့်လိပ်စာအဖြစ်သတင်းအချက်အလက်ဖယ်ရှားခြင်းအားဖြင့်က "အမည်ဝှက်" ။ သို့သော်သူတို့ကဒီလိုလူဦးရေဆိုင်ရာသတင်းအချက်အလက်အဖြစ်သုတေသီများများအတွက်အသုံးဝင်သောဖြစ်နိုင်ပါတယ်ထင်သောအခြားသတင်းအချက်အလက်ကျန်ရစ် (ဇစ်ကုဒ်နံပါတ်, မွေးနေ့, လူမျိုးရေးနဲ့လိင်) နှင့်ဆေးဘက်ဆိုင်ရာသတင်းအချက်အလက် (ခရီးစဉ်ဒေတာ, ရောဂါ, လုပ်ထုံးလုပ်နည်း) (ပုံ 6.4) (Ohm 2010) ။ ကံမကောင်းစွာပဲ, ဒီ "ကဲ့သို့ပင် anonymiztion" ဟုအဆိုပါဒေတာများကာကွယ်နည်းလုံလောက်သောမဟုတ်ခဲ့ပေ။

ပုံ 6.4: "Anonymous" သတင်းအချက်အလက်ဖော်ထုတ်သိသာဖယ်ရှားခြင်း၏လုပ်ငန်းစဉ်ဖြစ်ပါတယ်။ ဥပမာအားဖြင့်, ပြည်နယ်န်ထမ်းများ၏ဆေးဝါးကုသမှုအာမခံမှတ်တမ်းများလွှတ်သောအခါ, မက်ဆာချူးဆက် Group ကအာမခံကော်မရှင် (GIC) သည်ဖိုင်များမှအမည်နှင့်လိပ်စာဖယ်ရှားခဲ့သည်။ ဖြစ်စဉ်အမှန်တကယ်အမည်ဝှက်အမည်ဝှက်၏အသွင်အပြင်ကိုထောက်ပံ့ပေးပေမယ့်မကြောင့်ငါသည်နှုတ်ကပတ်တော်ကို "ကဲ့သို့ပင် anonymiztion" ပတ်ပတ်လည်ကိုးကားကိုအသုံးပြုပါ။

ကိန်းဘရစ်ချ်, မက်ဆာချူးဆက်အုပ်ချုပ်ရေးမှူးဝီလျံဂဟေ၏ဇာတိမြို့၏မြို့ကနေမဲပေးမှတ်တမ်းများဆည်းပူးဖို့ MIT က-paid $ 20 မှာဘွဲ့ရကျောင်းသား Latanya Sweeney-ဖြစ်လျှင်, GIC "ကဲ့သို့ပင် anonymiztion" ၏ချို့ယွင်းချက်သရုပျဖျောဖို့။ ဤရွေ့ကားမဲပေးမှတ်တမ်းများထိုကဲ့သို့သောအမည်, လိပ်စာ, ဇစ်ကုဒ်နံပါတ်, မွေးနေ့နှင့်ကျား, မအဖြစ်သတင်းအချက်အလက်များပါဝင်သည်။ ဆေးဘက်ဒေတာဖိုင်နှင့်မဲဆန္ဒရှင်ဖိုင်လယ်ကွင်း-ဇစ်ကုဒ်နံပါတ်, မွေးနေ့နှင့်လိင်-ရည်ရွယ် Sweeney သူတို့ကိုလင့်ထားသည်နိုင်ကြောင်း shared ဆိုတဲ့အချက်ကို။ Sweeney ဂဟေရဲ့မွေးနေ့ကိုဇူလိုင်လ 31, 1945, အမဲမှတ်တမ်းများကြောင်းမွေးနေ့နှင့်အတူကိန်းဘရစ်ချ်၌သာခြောက်ခုကလူပါဝင်သည်သိသည်။ ထို့ပြင်သူတို့သည်ခြောက်လူမျိုး၏, သာသုံးအထီးရှိကြ၏။ ထိုအခါထိုလူသုံးယောက်၏, တစ်ဦးတည်းသာဂဟေရဲ့ဇစ် code ကို shared ။ ထို့ကြောင့်မဲပေးဒေတာဆေးဘက်မွေးနေ့၏ဂဟေရဲ့ပေါင်းစပ်နှင့်အတူဒေတာ, ကျား, မ, နှင့်ဇစ်အတွက် code မည်သူမဆိုဝီလျံဂဟေဆော်ခဲ့ကြောင်းပြသခဲ့သည်။ အနှစ်သာရအတွက်, သတင်းအချက်အလက်, ဤသုံးပါးကိုအပိုင်းပိုင်းဒေတာ၌တစ်မူထူးခြားတဲ့လက်ဗွေရာဖြစ်သည်။ ဤအချက်ကိုအသုံးပြုခြင်း, Sweeney ဂဟေရဲ့ဆေးဘက်ဆိုင်ရာမှတ်တမ်းများနေရာချထားရန်နှင့်သူမ၏လုပ်ရပ်၏သူ့ကိုအကြောင်းကြားနိုင်ခဲ့တယ်, သူမသူ့ကိုသူ၏မှတ်တမ်းများမိတ္တူပို့ (Ohm 2010) ။

6.5 ပုံ: Re-idenification "အမည်ဝှက်" အချက်အလက်များ၏။ Latanya Sweeney အုပ်ချုပ်ရေးမှူးဝီလျံဂဟေ၏ဆေးဘက်ဆိုင်ရာမှတ်တမ်းများကိုရှာဖွေနိုင်ဖို့အတွက်မဲပေးမှတ်တမ်းများနှင့်အတူ "အမည်ဝှက်" ကနျြးမာမှတ်တမ်းများပေါင်းစပ် (Sweeney 2002) ။

Sweeney ရဲ့အလုပ်ကွန်ပျူတာလုံခြုံရေးအသိုင်းအဝိုင်းထံမှတစ်ဦးသက်တမ်းချမှတ်စီစဉျ de-ကဲ့သို့ပင် anonymiztion တိုက်ခိုက်မှု၏အခြေခံဖွဲ့စည်းတည်ဆောက်ပုံသရုပ်ဖော်။ ဤအတိုက်ခိုက်မှုများအတွက်, သူ့ဟာသူထိခိုက်မခံတဲ့သတင်းအချက်အလက်များထုတ်ဖော်ပြသဘဲနေရာနှစ်ခုဒေတာအစုံ, နှင့်ဆက်စပ်နေပါသည်, ဤချိတ်ဆက်မှတဆင့်အထိခိုက်မခံသတင်းအချက်အလက်နှင့်ထိတွေ့သည်။ အချို့သောနည်းလမ်းများအတွက်ဤလုပ်ငန်းစဉ်ကိုမိမိတို့အနေဖြင့်ဘေးကင်းလုံခြုံဖြစ်ကြောင်းနှစ်ခုကိုတ္ထုများဆိုဒါနှင့်ရှာလကာရည်ဖုတ်တဲ့အချိန်မှာအကုန်လုံးရလဒ်ကိုထုတ်လုပ်ရန်ပေါင်းစပ်နိုင်ပါတယ်သောလမ်းမှဆင်တူသည်။

Sweeney ရဲ့အလုပ်နှင့်အခြားဆက်စပ်အလုပ်ဖို့တုန့်ပြန်ခုနှစ်တွင်သုတေသီများကယခုယေဘုယျအားဖြင့်အများကြီးပိုပြီးသတင်းအချက်အလက်-အားလုံးဒါ (PII) "ကိုယ်တိုင်ကိုယ်ကျပြန်ကြားရေးဖော်ထုတ်ခြင်း" ဟုခေါ်ကိုဖယ်ရှား (Narayanan and Shmatikov 2010) ၏လုပ်ငန်းစဉ် -during "ကဲ့သို့ပင် anonymiztion ။ " ထို့ပြင်များစွာသောသုတေသီများယခု အချို့သောအချက်အလက်ထိုကဲ့သို့သောဆေးဘက်ဆိုင်ရာမှတ်တမ်းများ, ဘဏ္ဍာရေးမှတ်တမ်းများ, အဖြေကိုအဖြစ်ဖြစ်ကောင်းပင်ပြီးနောက်လွှတ်ပေးရန်လည်းထိခိုက်မခံတဲ့တရားမဝင်-ဖြစ်ပါတယ်အပြုအမူနှင့် ပတ်သက်. မေးခွန်းများကိုကွင်းဆင်းသဘောပေါက် "ကဲ့သို့ပင် anonymiztion ။ " သို့သော်ကျွန်မအောက်တွင်ဖော်ပြထားသောဖော်ပြရန်လိမ့်မယ်ပိုမကြာသေးခင်ကဥပမာလူမှုရေးသုတေသီများကရန်လိုအပ်ပါတယ်ကြောင်းညွှန်ပြ သူတို့ရဲ့စဉ်းစားတွေးခေါ်ကိုပြောင်းလဲ။ တစ်ဦးပထမဦးဆုံးခြေလှမ်းအဖြစ်, ကအားလုံးကိုဒေတာအလားအလာသက်သေပြကြောင်းနှင့်အားလုံးဒေတာအလားအလာအထိခိုက်မခံကြောင်းယူဆပညာရှိဖြစ်၏။ တနည်းအားဖြင့်မဟုတ်ဘဲအချက်အလက်ဆိုင်ရာအန္တရာယ်စီမံကိန်းများကို၏သေးငယ်တဲ့အစိတ်အပိုင်းအစုသက်ဆိုင်ကြောင်းစဉ်းစားခြင်းထက်, ကျနော်တို့ကသက်ဆိုင်-မှအချို့ဒီဂရီ-ဖို့အားလုံးကိုစီမံကိန်းများကိုယူဆသငျ့သ​​ညျ။

ဒီ Re-orientation ကိုနှစ်ယောက်စလုံးရှုထောင့်အ Netflix နဲ့ဆုအားဖြင့်သရုပ်ဖော်ကြသည်။ အခန်း 5 မှာဖော်ပြထားတဲ့အတိုင်း, Netflix ဟာနီးပါး 500,000 အဖွဲ့ဝင်များကထောက်ပံ့ပေးသန်း 100 ရုပ်ရှင် ratings ပြန်လွတ်လာနှင့်လောကီနိုင်ငံအရပ်ရပ်ရှိသမျှကျော်ထံမှလူရုပ်ရှင်တွေအကြံပြု Netflix ရဲ့စွမ်းရည်ကိုတိုးတက်စေနိုင်ကြောင်း algorithms တင်သွင်းဘယ်မှာပွင့်လင်းခေါ်ဆိုခခဲ့သည်။ ဒေတာထုတ်မီ, Netflix ဟာဒီလိုနာမည်တွေအဖြစ်မဆိုသိသာပုဂ္ဂိုလ်ရေးအရ-ဖော်ထုတ်သတင်းအချက်အလက်ဖယ်ရှားခဲ့သည်။ Netflix ဟာလည်းတစ်ဦးအပိုဆောင်းခြေလှမ်း သွား. (ဥပမာ, 3 ကြယ်တို့သည် 4 ကြယ်များမှအချို့သော ratings ပြောင်းလဲနေတဲ့) မှတ်တမ်းများအချို့ကိုအတွက်အနည်းငယ်အထင်သည်တုန်လှုပ်မှုတည်းမိတ်ဆက်ပေးသည်။ Netflix ဟာမကြာမီသူတို့ရဲ့ကြိုးပမ်းအားထုတ်မှုရှိနေသော်လည်း, data ကိုအမည်မသိမရှိနည်းလမ်းဖြင့်ကြ၏, သို့သော်, ရှာဖွေတွေ့ရှိခဲ့သည်။

ဒေတာလွတ်လာခဲ့ကြရုံနှစ်ပတ်အတွင်းပြီးနောက် Narayanan and Shmatikov (2008) ကတိကျတဲ့လူရဲ့ရုပ်ရှင်ဦးစားပေးရွေးချယ်မှုနှင့် ပတ်သက်. လေ့လာသင်ယူရန်ဖြစ်နိုင်သမျှခဲ့ကြောင်းပြသခဲ့သည်။ သူတို့ရဲ့ Re-ဖော်ထုတ်ခြင်းတိုက်ခိုက်ဖို့လှည့်ကွက် Sweeney ရဲ့ဆင်တူခဲ့သည်: အတူတူနှစ်ခုသတင်းအချက်အလက်ရင်းမြစ်များ, အလားအလာထိခိုက်မခံတဲ့သတင်းအချက်အလက်များနှင့်မျှမသိသာတဲ့ဖော်ထုတ်သတင်းအချက်အလက်နှင့်လူမျိုး၏ဝိသေသလက္ခဏာပါရှိသည်တတပေါင်းစည်း။ ဤအဒေတာအရင်းအမြစ်တစ်ခုစီတစ်ဦးချင်းစီဘေးကင်းလုံခြုံစေခြင်းငှါ, ဒါပေမဲ့သူတို့ပေါင်းစပ်ကြသောအခါပေါင်းစပ်ထားသော Datasets အချက်အလက်ဆိုင်ရာအန္တရာယ်ဖန်တီးနိုင်ပါတယ်။ အ Netflix ဟာအချက်အလက်များ၏ကိစ္စတွင်ခုနှစ်, ဒီမှာဖြစ်ပျက်နိုင်ကြောင်းကိုဘယ်လိုဖွင့်။ ငါသည်ငါ့ Co-လုပ်သားများနှင့်အတူအရေးယူနှင့်ဟာသရုပ်ရှင်အကြောင်းငါ၏အကြံအစည်ဝေမျှဖို့ရွေးချယ်ကြောင်း, ဒါပေမယ့်ငါကဘာသာရေးနှင့်နိုင်ငံရေးရုပ်ရှင်တွေအကြောင်း, ငါ့အမြင်မျှဝေဖို့မကြိုက်တတ်တဲ့ဆိုပါစို့။ အကြှနျုပျ၏ Co-အလုပ်သမား Netflix နဲ့ဒေတာ၌ငါ့မှတ်တမ်းများကိုရှာဖွေသူတို့ကိုငါနှင့်အတူမျှဝေပါတယ်သောသတင်းအချက်အလက်များအသုံးပြုနိုင်တယ်, ငါမျှဝေသောသတင်းအချက်အလက်မယ့်ဝီဂဟေရဲ့မွေးနေ့, ဇစ်ကုဒ်နံပါတ်နှင့်လိင်ကဲ့သို့ထူးခြားသောလက်ဗွေဖြစ်နိုင်ပါတယ်။ သူတို့ကဒေတာ၌ငါ့ထူးခြားသောလက်ဗွေရာကိုရှာဖွေလျှင်, ငါသည်သူတို့မမျှဝေဖို့မရှေးခယျြဘယ်မှာရုပ်ရှင်တွေအပါအဝင်အားလုံးရုပ်ရှင်များ, အကြောင်းအကြှနျုပျ၏ ratings လေ့လာသင်ယူနိုင်မည်ဖြစ်သည်။ လူတစ်ဦးတစ်ယောက်တည်းအပေါ်အာရုံစူးစိုက်ပစ်မှတ်ထားတိုက်ခိုက်ဒီလိုမျိုးအပြင်, Narayanan and Shmatikov (2008) ကိုလည်းများစွာသောလူကကိုယ်ရေးကိုယ်တာနှင့်ရုပ်ရှင်အဆင့်သတ်မှတ်ချက်ဒေတာတွေနဲ့ Netflix နဲ့ဒေတာပေါင်းစည်းအချို့ပတျသကျတဲ့ကျယ်ပြန့်တိုက်ခိုက် -one လုပ်ဖို့ဖြစ်နိုင်ခြေခဲ့ကြောင်းပြသ လူကိုအင်တာနက် Movie, Database ဟာ (IMDb) အပေါ် post ကိုမှရွေးချယ်ကြပြီ။ တိကျတဲ့လူတစ်ဦး-ပင်သူတို့ကိုခွဲခြားသတ်မှတ်ဖို့အသုံးပြုရမည်ရုပ်ရှင်-နိုင် ratings သူတို့ရဲ့အစုံမှထူးခြားသောလက်ဗွေရာကြောင်းဆိုသတင်းအချက်အလက်။

အ Netflix နဲ့ဒေတာဖြစ်ဖြစ်တစ်ဦးလျာထားသောသို့မဟုတ်ကျယ်ပြန့်တိုက်ခိုက်အတွက် re-ဖော်ထုတ်နိုင်ပါတယ်သော်လည်းနေဆဲနိမ့်စွန့်စားမှုဖြစ်ပေါ်လာပေလိမ့်မည်။ ပြီးနောက်ရှိသမျှတို့, ရုပ်ရှင် ratings အလွန်အထိခိုက်မခံမထင်ကြပါဘူး။ ကယေဘုယျအားဖြင့်စစ်မှန်တဲ့ဖြစ်စေခြင်းငှါ, နေစဉ်, အ Datasets အတွက် 500,000 လူမျိုး၏အချို့သောအဘို့, ရုပ်ရှင် ratings အတော်လေးထိခိုက်မခံတဲ့ဖြစ်လိမ့်မယ်။ တကယ်တော့ de-ကဲ့သို့ပင် anonymiztion မှတုန့်ပြန်နေတဲ့ဗီရိုလိင်တူချစ်သူအမြိုးသမီးတ Netflix နဲ့ဆန့်ကျင်နေတဲ့အတန်းအစား-action ကိုဝတ်စုံကိုဝင်ရောက်ခဲ့သည်။ ဤတွင်ပြဿနာကသူတို့ရဲ့တရားစွဲဆိုမှုအတွက်ထုတ်ဖော်ပြောဆိုခဲ့သည်ကိုဘယ်လိုဖွင့် (Singel 2009) :

"[M က] ovie နှင့်အဆင့်သတ်မှတ်ချက်ဒေတာ [ရှိနေပြီ] တစ်ဦးထက်ပိုမြင့်မားကိုယ်ရေးကိုယ်တာနှင့်အထိခိုက်မခံသဘာဝတရား၏သတင်းအချက်အလက်များပါဝင်သည်။ အဆိုပါအဖွဲ့ဝင်ဦးရဲ့ရုပ်ရှင် data ဟာ Netflix နဲ့အဖွဲ့ဝင်တဦးရဲ့ပုဂ္ဂိုလ်ရေးအကျိုးစီးပွားဖြစ်တည်ပြီးနှင့် / သို့မဟုတ်သှေးရငျးခငျြးကာမဆကျဆံခွငျး, ရုပ်ပိုင်းဆိုင်ရာအလွဲသုံးမှု, အိမ်တွင်းအကြမ်းဖက်မှု, အိမ်ထောင်ရေးဖောက်ပြန်နှင့်အဓမ္မပြုကျင့်မှုကနေလိင်စိတ်, စိတ်ရောဂါ, အရက်ကနေပြန်လည်နာလန်ထူနှင့်သားကောင်အပါအဝင်အမျိုးမျိုးသောအလွန်အမင်းပုဂ္ဂိုလ်ရေးကိစ္စများနှင့်အတူရုန်းကန်နေရတဲ့။ "

အ Netflix နဲ့ Prize ကိုအချက်အလက်များ၏ de-ကဲ့သို့ပင် anonymiztion နှစ်ဦးစလုံးအားလုံးဒေတာအလားအလာသက်သေပြကြောင်းနှင့်အားလုံးဒေတာအလားအလာအထိခိုက်မခံကြောင်းကိုဖော်ပြသည်။ ဤအချက်မှာ, သင်သည်ဤသာလူတွေအကြောင်းဖြစ် purports ကြောင့် data ကိုသက်ဆိုင်ကြောင်းထင်ပေလိမ့်မည်။ အံ့သြစရာကောင်းတာကသောအမှုမဟုတ်ပါ။ ပြန်ကြားရေးဥပဒေတောင်းဆိုမှုတစ်ခု Freedom ကိုတုန့်ပြန်ခုနှစ်တွင်နယူးယောက်စီးတီးအစိုးရပစ်ကပ်အပါအဝင် 2013 ခုနှစ်တွင်နယူးယောက်ရှိတိုင်းတက္ကစီစီး၏မှတ်တမ်းများပြန်လွတ်လာနှင့်ကြိမ်, တည်နေရာနှင့်ခပမာဏပယ်စက်စက် (ပြန်လည်သိမ်းဆည်းအခန်း 2 မှ Farber (2015) ) လုပ်အားဘောဂဗေဒအတွက်အရေးကြီးသောသီအိုရီကိုစမ်းသပ်ဖို့ဒီဒေတာကိုအသုံးပြုခဲ့သည်။ ဒါကြောင့်လူတွေအကြောင်းသတင်းအချက်အလက်ဖြစ်ဟန်ပါဘူးဘာဖြစ်လို့လဲဆိုတော့တက္ကစီခရီးစဉ်အကြောင်းကိုဒီဒေတာကိုညင်သာပျော့ပျောင်းထင်ရပေမဲ့, အန်သိုနီ Tockar ဒီတက္ကစီ Datasets တကယ်တော့လူတွေအကြောင်းကိုအလားအလာထိခိုက်မခံတဲ့သတင်းအချက်အလက်များအများကြီးပါရှိသောသဘောပေါက်လာတယ်။ သရုပျဖျောဖို့, သူက New အတွက် Hustler ကလပ်-ကြီးမားသောချွတ်ကလပ်နယူးယောက်-အကြားသန်းခေါင်နှင့် 6am မှာစတင်ပြီးအားလုံးခရီးစဉ်မှာကြည့်ပြီးတော့သူတို့ရဲ့ Drop-ပယ်နေရာများတွင်တွေ့ရှိခဲ့ပါတယ်။ ဒီရှာဖွေမှုကိုထင်ရှား-အတွက် Hustler ကလပ်မကြာခဏသူအချို့လူများ၏လိပ်စာများ၏အနှစ်သာရ-စာရင်းတစ်ခု (Tockar 2014) ။ ဒါဟာ data ကိုဖြန့်ချိသည့်အခါမြို့အစိုးရစိတ်ထဲ၌ဤခဲ့မြင်ယောင်ရန်ခဲယဉ်းသည်။ တကယ်တော့ဒီတူညီတဲ့ technique ကိုမြို့အ-ဆေးပညာဆေးခန်း, တစ်ဦးကအစိုးရအဆောက်အဦ, ဒါမှမဟုတ်တစ်ဦးဘာသာရေးအဖွဲ့အစည်းအတွက်မည်သည့်နေရာအရပ်သို့သွားရောက်သူတွေကို၏အိမျလိပ်စာများကိုရှာတွေ့ဖို့အသုံးပြုနိုင်ပါတယ်။

ထိုသူနှစ်ဦးအမှု-The Netflix နဲ့ဆုနှင့်အတော်လေးကျွမ်းကျင်လူမှန်ကန်စွာသူတို့ပြန်လွတ်လာကြောင်းဒေတာအတွက်ပြန်ကြားရေးအန္တရာယ်ခန့်မှန်းရန်ပျက်ကွက်ကြောင်းနယူးယောက်စီးတီးတက္ကစီဒေတာ-ပြပွဲနှင့်, ဤအမှုအဘယ်သူမျှမနေဖြင့်ထူးခြားသောဆိုလိုသည်ကြသည် (Barbaro and Zeller Jr 2006; Zimmer 2010; Narayanan, Huey, and Felten 2016) ။ ထို့ပြင်ဤအမှုကိစ္စအများအပြားတွင်, ပြဿနာဒေတာအစဉ်အဆက်ဒေတာလွှတ်ပေးရန်ကုစားခွငျး၏အခက်ခဲကိုညွှန်း, အွန်လိုင်းနေဆဲလွတ်လွတ်လပ်လပ်ရရှိနိုင်ပါသည်။ စုပေါင်းဤဥပမာ-အဖြစ်အရေးကြီးသောကောက်ချက်ချ privacy ကို-ဆောင်အကြောင်းကိုကွန်ပျူတာသိပ္ပံသုတေသန။ သုတေသီများအားလုံးဒေတာအလားအလာသက်သေပြကြောင်းယူဆသင့်ပါတယ်အပေါင်းတို့နှင့်တကွဒေတာအလားအလာအထိခိုက်မခံဖြစ်ပါတယ်။

ကံမကောင်းစွာပဲ, ရှိသမျှဒေတာအလားအလာသက်သေပြကြောင်းနှင့်အားလုံးဒေတာအလားအလာအထိခိုက်မခံသောအချက်ကိုမှမရိုးရှင်းတဲ့ဖြေရှင်းချက်လည်းရှိ၏။ သို့သော်သင်သည်ဒေတာနဲ့အလုပ်လုပ်နေစဉ်သတင်းအချက်အလက်အန္တရာယ်လျှော့ချဖို့တလမ်းတည်းနေတဲ့ဒေတာကိုကာကွယ်စောင့်ရှောက်ရေးအစီအစဉ်ကိုဖန်တီးနောက်သို့လိုက်ရန်ဖြစ်ပါသည်။ ဒီအစီအစဉ်ကိုသင့်ရဲ့ဒေတာကိုပေါက်ကြားမည်နှင့်တစ်ယိုစိမ့်တစ်နည်းနည်းနဲ့ဖြစ်ပေါ်လျှင်အန္တရာယ်လျော့နည်းကျဆင်းလိမ့်မည်ဟုအခွင့်အလမ်းလျော့နည်းမည်ဖြစ်သည်။ ဘေးကင်းလုံခြုံစီမံကိန်းများ, ဘေးကင်းလုံခြုံလူ: အဆိုပါထိုကဲ့သို့သောအသုံးပွုဖို့စာဝှက်စနစ်ရဲ့အရာပုံစံကိုအဖြစ် data ကိုကာကွယ်စောင့်ရှောက်ရေးအစီအစဉ်အတိအကျ, အချိန်ကျော်ကိုပြောင်းလဲလိမ့်မယ်, ဒါပေမယ့်ဗြိတိန်မှာ Data န်ဆောင်မှုများ helpfully သူတို့ 5 Safe မခေါ် 5 အမျိုးအစားသို့ဒေတာကာကွယ်စောင့်ရှောက်ရေးအစီအစဉ်၏ဒြပ်စင်စုစည်း , ဘေးကင်းလုံခြုံကြိုတင်ပြင်ဆင်မှုများ, ဘေးကင်းလုံခြုံဒေတာနှင့်ဘေးကင်းလုံခြုံရလဒျ (ဇယား 6.2) (Desai, Ritchie, and Welpton 2016) ။ ငါး Safe ၏အဘယ်သူမျှမတစ်ဦးချင်းစီစုံလင်သောကာကွယ်စောင့်ရှောက်မှုပေး။ ဒါပေမဲ့အတူတူသူတို့အချက်အလက်ဆိုင်ရာအန္တရာယ်လျော့နည်းကျဆင်းနိုင်ပါတယ်ကြောင်းအချက်များတစ်အစွမ်းထက် set ကိုဖွဲ့စည်းရန်။

သငျသညျအသုံးပြုနေစဉ်သင့်ရဲ့ဒေတာကိုကာကွယ်စောင့်ရှောက်ဖို့အပြင်, သတင်းအချက်အလက်အန္တရာယ်အထူးသဖြင့်အဓိကသည်အဘယ်မှာရှိသုတေသနလုပ်ငန်းစဉ်၌တစ်ခြေလှမ်းအခြားသုတေသီများနှင့်အတူဒေတာခွဲဝေမှုဖြစ်ပါတယ်။ သိပ္ပံပညာရှင်များအကြား Data ကိုခွဲဝေမှုသိပ္ပံနည်းကျကြိုးပမ်းအားထုတ်မှုများ၏အမာခံတန်ဖိုးကိုဖြစ်တယ်, ဒါကြောင့်ကိုအလွန်အဆောက်အသိကျွမ်းရာအတိုးတက်ရေး။ ဤတွင် Commons ၏ဗြိတိန်အောက်လွှတ်တော်ဒေတာခွဲဝေမှု၏အရေးပါမှုကိုဖျောပွထားပုံကိုဖွင့်:

သုတေသီများ, မျိုးပွားအတည်ပြုရန်နှင့်စာပေအ​​တွက်အစီရင်ခံကြသည်ရလဒ်ပေါ်မှာဆောက်လုပ်ဖို့ဆိုရင် "ဒေတာမှ Access ကိုအခြေခံသည်။ အဆိုပါယူဆတစ်ဦးအားကြီးသောအကြောင်းပြချက်မဟုတ်ရင်ရှိပါတယ်မဟုတ်လျှင်, ဒေတာအပြည့်အဝထုတ်ဖော်ခြင်းနှင့်အများပြည်သူရရှိနိုင်သောမဖြစ်စေ, အဲဒီဖြစ်ရပါမည်။ အားလုံးလူသိရှင်ကြားငွေကြေးထောက်ပံ့သုတေသနလုပ်ငန်းနဲ့ဆက်စပ်ဖြစ်နိုင်သော, ဒေတာကျယ်ပြန့်စေလွတ်လပ်စွာရရှိနိုင်ရပါမည်ဘယ်မှာဒီနိယာမနဲ့အညီ။ " (Molloy 2011)

သို့သျောလညျး, အခြားသုတေသီနှင့်အတူသင့်ရဲ့ဒေတာမျှဝေခြင်းအားဖြင့်, သင်သည်သင်၏သင်တန်းသားများအတွက်သတင်းအချက်အလက်အန္တရာယ်တိုးလာနိုင်ပါသည်။ ထို့ကြောင့်သူတို့မျှဝေဖို့ဆန္ဒရှိဒေတာ-သို့မဟုတ်သူတို့၏ဝေမျှဖို့လိုအပ်နေသောသုတေသနပညာရှင်များအခြေခံတင်းမာမှု facing ဒေတာ-ဖြစ်ကြောင်းထင်ရပေမည်။ တဖကျတှငျသူတို့မူရင်းသုတေသနလုပ်ငန်းလူသိရှင်ကြားငွေကြေးထောက်ပံ့မှုသည်အထူးသဖြင့်လျှင်, အခြားသိပ္ပံပညာရှင်များနှင့်အတူသူတို့၏ data share ဖို့ကျင့်ဝတ်တာဝန်ရှိသည်။ သို့သျောလညျး, တစ်ချိန်တည်းမှာ, သုတေသီများ, တတ်နိုင်သမျှ, သူတို့ရဲ့သင်တန်းသားများသတင်းအချက်အလက်များအန္တရာယ် minimize ရန်ကျင့်ဝတ်တာဝန်ရှိသည်။

ကံကောင်းထောက်မစွာ, ဒီအကြပ်အတည်းကပေါ်လာတဲ့အတိုင်းပြင်းထန်သည်မဟုတ်။ ဒါဟာဒေတာ "အမည်ဝှက်" နဲ့ (ပုံ 6.6) ဝင်ရောက်ဖို့မည်သူမဆိုများအတွက် posted သည်အဘယ်မှာရှိ, လွှတ်ပေးရန်နှင့်မေ့လျော့ခြင်းမရှိသည့်ဒေတာခွဲဝေမှုအနေဖြင့်စဉ်ဆက်တစ်လျှောက်မှာဒေတာခွဲဝေမှုစဉ်းစားရန်အရေးကြီးပါသည်။ ဤအလွန်ကဲရာထူးနှစ်ခုစလုံးအန္တရာယ်များနှင့်အကျိုးခံစားခွင့်ရှိသည်။ ဒါကြောင့်အလိုအလျှောက်သင့်ရဲ့ဒေတာကိုမျှဝေမဆုံးကျင့်ဝတ်အရာမဟုတ်, ၏, ထိုသို့သောချဉ်းကပ်လူ့အဖွဲ့အစည်းဖို့အများကြီးအလားအလာအကျိုးကျေးဇူးများကိုရှင်းလင်းစေပါတယ်။ , မြည်းစမ်းဆက်ဆံရေးနှင့်အချိန်, အစောပိုင်းကအခန်းတှငျဆှေးနှေးဥပမာတစ်ခုမှပြန်လာသော, ဖြစ်နိုင်သမျှပျက်ဆီးအပေါ်သာအာရုံစူးစိုက်နှင့်ဖြစ်နိုင်ခြေအကျိုးကျေးဇူးများကိုလစျြလြူရှုကြောင်းဒေတာလွှတ်ပေးရန်ဆန့်ကျင်ငြင်းခုံအလွန်အမင်းတည်းတဖက်သတ်ပါ၏ ငါမသေချာမရေရာ (ပုဒ်မ 6.6.4) ၏မျက်နှာ၌ဆုံးဖြတ်ချက်တွေမချနဲ့ပတ်သက်တဲ့အကြံဉာဏ်ကိုဆက်ကပ်သောအခါငါအောက်တွင်ဖော်ပြထားသောအတွက်ပိုပြီးအသေးစိတ်အတွက်ဒီတစ်ခုတဖက်သတ်, အလွန်အမင်းအကာအကွယ်ချဉ်းကပ်မှုနှင့်အတူပြဿနာများဖော်ပြရန်ပါလိမ့်မယ်။

ပုံ 6.6: Data ကိုလွှတ်ပေးရန်မဟာဗျူဟာတစ်ခုစဉ်ဆက်တလျှောက်လဲကျနိုင်ပါတယ်။ သင်ဤစဉ်ဆက်တစ်လျှောက်မှာဖြစ်သင့်အဘယ်မှာရှိသင့်ရဲ့အချက်အလက်များ၏တိကျသောအသေးစိတျပေါ်တွင်မူတည်သည်။ ဤကိစ္စတွင်ခုနှစ်, တတိယပါတီပြန်လည်သုံးသပ်သင့်အမှု၌အန္တရာယ်နှင့်အကျိုးသင့်လျော်တဲ့ဟန်ချက်ဆုံးဖြတ်ကူညီလိမ့်မည်။

နောက်ထပ်အဲဒီနှစ်ခုအစွန်းရောက်မှုကိစ္စအကြား၌အကြှနျုပျဒေတာအချို့သောသတ်မှတ်ချက်ပြည့်မီသောသူနှင့်အချို့သောစည်းမျဉ်းစည်းကမ်းတွေ (ဥပမာတစ်ခု IRB နှင့်ဒေတာကာကွယ်စောင့်ရှောက်ရေးအစီအစဉ်များကနေကြီးကြပ်) အားဖြင့်ချည်နှောင်လျက်ခံရဖို့သဘောတူသောသူလူတို့နှင့်အတူမျှဝေသည်အဘယ်မှာရှိတစ်ဦးခိုင်ခံ့သောဥယြာဉျချဉ်းကပ်မှုလို့ချေါပါလိမ့်မယ်ကားအဘယ်သို့ ။ ဤသည်ခိုင်ခံ့သောဥယြာဉျချဉ်းကပ်မှုလွှတ်ပေးရန်၏အကျိုးကျေးဇူးများအများအပြားပေးလျော့နည်းအန္တရာယ်နှင့်အတူကိုမေ့လျော့။ ၏သင်တန်းကိုတစ်ဦးခိုင်ခံ့သောဥယြာဉျချဉ်းကပ်မှုအများအပြားမေးခွန်းတွေကိုဘယ်သူဝင်ရောက်ခွင့်ရှိသည်သင့်အဘယျအခွအေနမြေား, အဘယ်မျှကာလပတ်လုံးအဘို့အောက်, ခိုင်ခံ့သောဥယြာဉျကိုထိန်းသိမ်းရန်နှင့်တွေနဲ့ထိန်းသိမ်းမှပေးဆောင်စသည်တို့ကို-ပေမယ့်ဒီကျြောလှားနိုငျမဟုတ်သင့်ပါတဲ့သူဖန်တီးပေးပါတယ်။ တကယ်တော့သုတေသီများထိုကဲ့သို့သောမီချီဂန်တက္ကသိုလ်မှနိုင်ငံရေးသိပ္ပံနှင့်လူမှုရေးသုတေသနများအတွက် Inter-တက္ကသိုလ် Consortium ၏ဒေတာ archive ကိုအဖြစ်, အခုသုံးနိုငျသကအရပျ၌ပြီးသားအလုပ်လုပ်ခိုင်ခံ့ဥယျာဉ်ရှိပါတယ်။

ဒါကြောင့်ဘယ်နေရာမှာသင့်ရဲ့လေ့လာချက်အနေဖြင့်ဒေတာ, အဘယ်သူမျှမခွဲဝေမှု၏စဉ်ဆက်အပေါ်ခိုင်ခံ့သောဥယြာဉျမဖြစ်, နှင့်လွှတ်ပေးရန်နှင့်မေ့လျော့တော်သင့်သနည်း ဒါဟာသင့်ရဲ့အချက်အလက်များ၏အသေးစိတ်အချက်အလက်များကိုအပေါ်မူတည်; သုတေသီများ, ကောင်းတဲ့, တရားမျှတမှုနှင့်ဥပဒေနှင့်ပြည်သူ့အကျိုးစီးပွားများအတွက်လေးစားခြင်းခံရသူသည်အလေးစားဟန်ချက်မျှအောင်ပြုလုပ်ပေးရမည်ဖြစ်သည်။ အခြားဆုံးဖြတ်ချက်များသည်အသင့်လျော်ချိန်ခွင်လျှာအကဲဖြတ်တဲ့အခါမှာသုတေသီများ IRBs ၏အကြံပေးချက်နှင့်ခွင့်ပြုချက်ကိုရှာနှင့်အချက်အလက်လွှတ်ပေးရန်ကြောင်းလုပ်ငန်းစဉ်၏င့်အခြားအစိတ်အပိုင်းဖြစ်နိုင်ပါတယ်။ လူတချို့တစ်ကူကယ်ရာမဲ့ကျင့်ဝတ် morass အဖြစ် data ကိုလွှတ်ပေးရန်စဉ်းစားပေမယ့်တစ်နည်း, ငါတို့သည်ပြီးသားသုတေသီများကျင့်ဝတ်ဆိုင်ရာပြဿနာများဤကြင်နာဟန်ချက်မျှအောင်ပြုလုပ်ပေးကိုကူညီရာဌာန၌စနစ်များရှိသည်။

ဒေတာခွဲဝေမှုကိုစဉ်းစားရန်တစ်ခုမှာနောက်ဆုံးလမ်းဥဒါဟရုဏ်အားဖြင့်ဖြစ်သည်။ နှစ်စဉ်နှစ်တိုင်းကားများသေဆုံးမှုထောင်ပေါင်းများစွာ၏မူလတာဝန်ရှိသည်, ဒါပေမယ့်ကျွန်တော်တို့မောင်းနှင်မှုကိုပိတ်ပင်ရန်ကြိုးစားပါဘူး။ မောင်းနှင်မှုအများကြီးအံ့သြဖွယ်အမှုအရာဖွစျသောကွောငျ့တကယ်တော့မောင်းနှင်မှုကိုပိတ်ပင်ရန်ထိုကဲ့သို့သောဖုန်းခေါ်စိတ်ပျက်ဖွယ်ဖြစ်လိမ့်မည်။ အဲဒီအစားလူ့အဖွဲ့အစည်းမောင်းနှင်နိုင်သူအပေါ်ကန့်သတ် (ဥပမာ, အချို့သောစာမေးပွဲများလေပြီဖို့လိုအပ်ပါတယ်, တယောအသက်အရွယ်ရောက်ထားရန်လိုအပ်ပါတယ်) နှင့်အဘယ်သို့သူတို့ (အမြန်နှုန်းကန့်သတ်အောက်မှာဥပမာ) မောင်းနှင်နိုင်ပါတယ်ထား။ Society ကဤစည်းမျဉ်းစည်းကမ်းတွေပြဋ္ဌာန်းအတူတာဝန်ပေးအပ်လူ (ဥပမာ, ရဲ) ရှိပါတယ်, ကျွန်တော်သူတို့ကိုချိုးဖောက်ဖမ်းမိထားသူလူအပြစ်ပေး။ လူ့အဖွဲ့အစည်းမောင်းနှင်မှုကိုထိန်းညှိဖို့သက်ဆိုင်ကြောင်းမျှမျှတတစဉ်းစားတွေးခေါ်၏ဤတူညီသောမျိုးကိုလည်း data များကိုဝေမျှဖို့လျှောက်ထားနိုင်ပါသည်။ ဒါကအစားဒေတာခွဲဝေမှုအတွက်သို့မဟုတ်ဆန့်ကျင်ဆံပိုင်အငြင်းပွားမှုများအောင်ထက်ငါအကြီးမားဆုံးအကျိုးခံစားခွင့်ပိုလုံခြုံစိတ်ချစွာပိုပြီး data share နိုင်ပါတယ်ဘယ်လောက်ထွက်ရှာဖွေမှလာကြလိမ့်မည်ထင်သည်။

ကောက်ချက်ချရန်, သတင်းအချက်အလက်အန္တရာယ်သိသိသာသာတိုးမြှင့်ထားပါတယ်, ဒါကြောင့်ခန့်မှန်းခြင်းနှင့်တွက်ချက်ရန်အလွန်ခဲယဉ်းသည်။ ဒါကြောင့်အားလုံးဒေတာအလားအလာသက်သေပြခြင်းနှင့်အလားအလာအထိခိုက်မခံကြောင်းယူဆဖို့အကောင်းဆုံးဖြစ်ပါတယ်။ သုတေသနလုပ်ငန်းလုပ်နေတာစဉ်အချက်အလက်ဆိုင်ရာအန္တရာယ်လျော့နည်းကျဆင်းစေရန်, သုတေသီများဒေတာကာကွယ်စောင့်ရှောက်ရေးအစီအစဉ်ကိုဖန်တီးလိုသို့လိုက်နိုင်ပါတယ်။ နောက်ထပ်ပြန်ကြားရေးအန္တရာယ်အခြားသိပ္ပံပညာရှင်များနှင့်အတူဒေတာမျှဝေခြင်းမှသုတေသီတွေကမတားဆီးဘူး။