6.6.2 ਅਤੇ ਸਮਝ ਮੈਨੇਜਿੰਗ ਜਾਣਕਾਰੀ ਨੂੰ ਖਤਰਾ

ਸੋਸ਼ਲ ਰਿਸਰਚ ਵਿੱਚ ਸਭ ਤੋਂ ਆਮ ਜੋਖਮ ਜਾਣਕਾਰੀ ਸੰਬੰਧੀ ਜੋਖਮ ਹੈ; ਇਸਨੇ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਵਾਧਾ ਕੀਤਾ ਹੈ; ਅਤੇ ਇਹ ਸਮਝਣ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਖਤਰਾ ਹੈ.

ਡਿਜੀਟਲ-ਉਮਰ ਖੋਜ ਲਈ ਦੂਜੀ ਨੈਤਿਕ ਚੁਣੌਤੀ ਸੂਚਨਾ ਸੰਕਟ ਹੈ , ਜੋ ਕਿ ਸੂਚਨਾ ਦੇ ਖੁਲਾਸੇ (National Research Council 2014) ਤੋਂ ਨੁਕਸਾਨ ਲਈ ਸੰਭਾਵਤ ਹੈ. ਵਿਅਕਤੀਗਤ ਜਾਣਕਾਰੀ ਦੇ ਖੁਲਾਸੇ ਤੋਂ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨਾ ਨੁਕਸਾਨਦਾਇਕ ਹੋ ਸਕਦਾ ਹੈ (ਜਿਵੇਂ ਨੌਕਰੀ ਗੁਆਉਣਾ), ਸਮਾਜਿਕ (ਜਿਵੇਂ ਕਿ ਸ਼ਰਮਿੰਦਗੀ), ਮਨੋਵਿਗਿਆਨਕ (ਜਿਵੇਂ ਕਿ ਡਿਪਰੈਸ਼ਨ), ਜਾਂ ਅਪਰਾਧਕ (ਜਿਵੇਂ ਕਿ ਗ਼ੈਰ-ਕਾਨੂੰਨੀ ਵਰਤਾਓ ਲਈ ਗ੍ਰਿਫਤਾਰੀ). ਬਦਕਿਸਮਤੀ ਨਾਲ, ਡਿਜ਼ੀਟਲ ਉਮਰ ਨਾਟਕੀ ਰੂਪ ਵਿੱਚ ਸੂਚਨਾ ਪੱਧਰੀ ਖ਼ਤਰੇ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ- ਸਾਡੇ ਵਿਵਹਾਰ ਦੇ ਬਾਰੇ ਇੰਨਾ ਜ਼ਿਆਦਾ ਜਾਣਕਾਰੀ ਹੈ ਅਤੇ ਜੋਖਮਾਂ ਦੇ ਮੁਕਾਬਲੇ ਜੋ ਕਿ ਸਰੀਰਕ ਜੋਖਮ, ਜਿਵੇਂ ਕਿ ਐਨਾਲਾਗ-ਉਮਰ ਸਮਾਜਕ ਖੋਜ ਵਿਚ ਚਿੰਤਾਵਾਂ ਸਨ, ਨਾਲ ਤੁਲਨਾ ਕਰਨ ਅਤੇ ਜਾਣਕਾਰੀ ਵਾਲੇ ਖ਼ਤਰੇ ਨੂੰ ਸਮਝਣਾ ਅਤੇ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਬਹੁਤ ਮੁਸ਼ਕਿਲ ਸਾਬਤ ਹੋਇਆ ਹੈ.

ਇਕ ਤਰੀਕਾ ਹੈ, ਜੋ ਕਿ ਸਮਾਜਿਕ ਖੋਜਕਾਰ ਜਾਣਕਾਰੀ ਨੂੰ ਖਤਰਾ ਘੱਟ ਡਾਟਾ ਦੀ "anonymization" ਹੈ. "Anonymization" ਅਜਿਹੇ ਨਾਮ, ਪਤਾ, ਅਤੇ ਡਾਟਾ ਤੱਕ ਟੈਲੀਫੋਨ ਨੰਬਰ ਦੇ ਤੌਰ ਤੇ ਸਪੱਸ਼ਟ ਨਿੱਜੀ ਪਛਾਣਕਰਤਾ ਨੂੰ ਹਟਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਹੈ. ਪਰ, ਇਸ ਪਹੁੰਚ ਡੂੰਘਾ ਹੈ ਅਤੇ ਬੁਨਿਆਦੀ ਸੀਮਤ ਬਹੁਤ ਘੱਟ ਅਸਰਦਾਰ ਵੱਧ ਬਹੁਤ ਸਾਰੇ ਲੋਕ ਇਹ ਅਹਿਸਾਸ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਇਸ ਨੂੰ ਅਸਲ ਵਿੱਚ, ਹੈ,. ਹੈ, ਜੋ ਕਿ ਇਸ ਦਾ ਕਾਰਨ ਲਈ, ਜਦ ਵੀ ਮੈਨੂੰ ਦਾ ਵਰਣਨ "anonymization," ਮੈਨੂੰ ਹਵਾਲਾ ਨਿਸ਼ਾਨ ਤੁਹਾਨੂੰ ਯਾਦ ਕਰਨ ਲਈ ਹੈ, ਜੋ ਕਿ ਇਸ ਪ੍ਰਕਿਰਿਆ ਛਾਪੱਣ ਦੀ ਦਿੱਖ ਪਰ ਨਾ ਇਹ ਸੱਚ ਹੈ, ਛਾਪੱਣ ਬਣਾਉਦਾ ਹੈ ਨੂੰ ਵਰਤਣ ਹੋਵੋਗੇ.

ਮੈਸੇਚਿਉਸੇਟਸ (Sweeney 2002) ਵਿੱਚ 1 99 0 ਦੇ ਅਖੀਰ ਵਿੱਚ "ਅਗਿਆਤ" ਦੀ ਅਸਫਲਤਾ ਦਾ ਇੱਕ ਸਪਸ਼ਟ ਉਦਾਹਰਣ. ਸਮੂਹ ਬੀਮਾ ਕਮਿਸ਼ਨ (ਜੀ ਆਈ ਸੀ) ਇੱਕ ਸਰਕਾਰੀ ਏਜੰਸੀ ਸੀ ਜੋ ਸਾਰੇ ਸਰਕਾਰੀ ਕਰਮਚਾਰੀਆਂ ਲਈ ਸਿਹਤ ਬੀਮਾ ਖਰੀਦਣ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਸੀ. ਇਸ ਕੰਮ ਰਾਹੀਂ, ਜੀ ਆਈ ਸੀ ਨੇ ਹਜ਼ਾਰਾਂ ਸਟੇਟ ਕਰਮਚਾਰੀਆਂ ਦੇ ਬਾਰੇ ਵੇਰਵੇ ਸਹਿਤ ਸਿਹਤ ਰਿਕਾਰਡ ਇਕੱਠੇ ਕੀਤੇ. ਖੋਜ ਲਈ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਲਈ, ਜੀ ਆਈ ਸੀ ਨੇ ਖੋਜਕਾਰਾਂ ਨੂੰ ਇਹ ਰਿਕਾਰਡ ਜਾਰੀ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕੀਤਾ. ਪਰ, ਉਨ੍ਹਾਂ ਨੇ ਆਪਣੇ ਸਾਰੇ ਡੇਟਾ ਸ਼ੇਅਰ ਨਹੀਂ ਕੀਤੇ; ਨਾ ਕਿ, ਉਨ੍ਹਾਂ ਨੇ ਨਾਮ ਅਤੇ ਪਤਿਆਂ ਜਿਵੇਂ ਕਿ ਜਾਣਕਾਰੀ ਨੂੰ ਮਿਟਾ ਕੇ ਇਹ ਡਾਟਾ "ਇਨਾਮ" ਕੀਤਾ ਹੈ ਹਾਲਾਂਕਿ, ਉਨ੍ਹਾਂ ਨੇ ਹੋਰ ਜਾਣਕਾਰੀ ਛੱਡ ਦਿੱਤੀ ਹੈ ਜੋ ਉਹਨਾਂ ਨੇ ਸੋਚਿਆ ਸੀ ਕਿ ਖੋਜਾਂ ਜਿਵੇਂ ਕਿ ਜਨਸੰਖਿਆ ਜਾਣਕਾਰੀ (ਜ਼ਿਪ ਕੋਡ, ਜਨਮ ਦੀ ਮਿਤੀ, ਨਸਲ, ਅਤੇ ਲਿੰਗ) ਅਤੇ ਡਾਕਟਰੀ ਜਾਣਕਾਰੀ (ਡੇਟਾ, ਨਿਦਾਨ, ਪ੍ਰਕਿਰਿਆ) (ਨੰਬਰ 6.4) (Ohm 2010) ਲਈ ਉਪਯੋਗੀ ਹੋ ਸਕਦੀ ਹੈ. ਬਦਕਿਸਮਤੀ ਨਾਲ, ਇਹ "ਅਗਿਆਤ" ਡੇਟਾ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨ ਲਈ ਕਾਫੀ ਨਹੀਂ ਸੀ.

ਚਿੱਤਰ 6.4: "ਅਗਿਆਤ" ਨਿਸ਼ਚਤ ਤੌਰ ਤੇ ਪਛਾਣ ਕਰਨ ਵਾਲੀ ਜਾਣਕਾਰੀ ਨੂੰ ਹਟਾਉਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਹੈ ਉਦਾਹਰਨ ਲਈ, ਜਦੋਂ ਸਟੇਟ ਕਰਮਚਾਰੀਆਂ ਦੇ ਡਾਕਟਰੀ ਬੀਮਾ ਰਿਕਾਰਡ ਜਾਰੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਤਾਂ ਮੈਸੇਚਿਉਸੇਟਸ ਗਰੁੱਪ ਬੀਮਾ ਕਮਿਸ਼ਨ (ਜੀ ਆਈ ਸੀ) ਨੇ ਫਾਈਲਾਂ ਤੋਂ ਨਾਂ ਅਤੇ ਪਤੇ ਕੱਢੇ. ਮੈਂ "ਐਨਨਾਮਾਈਜ਼ੇਸ਼ਨ" ਸ਼ਬਦ ਦੇ ਦੁਆਲੇ ਹਵਾਲਾ ਦੇ ਚਿੰਨ੍ਹ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹਾਂ ਕਿਉਂਕਿ ਪ੍ਰਕਿਰਿਆ ਨਾਮੀਂਦੀ ਨਾ ਹੋਣ ਦਾ ਦਿਖਾਵਾ ਕਰਦੀ ਹੈ ਪਰ ਅਸਲੀ ਨਾਂ ਗੁਪਤ ਨਹੀਂ.

ਜੀ ਆਈ ਸੀ "ਅਨੈਨੀਮਜ਼ੇਸ਼ਨ" ਦੀਆਂ ਖਾਮੀਆਂ ਨੂੰ ਦਰਸਾਉਣ ਲਈ, ਐਮਆਈਟੀ ਵਿੱਚ ਇੱਕ ਗ੍ਰੈਜੂਏਟ ਵਿਦਿਆਰਥੀ ਨੇ $ 20 ਦਾ ਕੈਬ੍ਰਿਜ ਸ਼ਹਿਰ ਤੋਂ ਵੋਟ ਪਾਉਣ ਦੇ ਰਿਕਾਰਡ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਭੁਗਤਾਨ ਕੀਤਾ, ਜੋ ਮੈਸਾਚੁਸੇਟਸ ਦੇ ਗਵਰਨਰ ਵਿਲੀਅਮ ਵੇਲ ਦੇ ਜੱਦੀ ਸ਼ਹਿਰ ਹੈ. ਇਨ੍ਹਾਂ ਵੋਟ ਪਾਉਣ ਦੇ ਰਿਕਾਰਡਾਂ ਵਿੱਚ ਨਾਮ, ਪਤੇ, ਜ਼ਿਪ ਕੋਡ, ਜਨਮ ਦੀ ਤਾਰੀਖ, ਅਤੇ ਲਿੰਗ ਵਰਗੀਆਂ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਸਨ. ਇਹ ਤੱਥ ਕਿ ਡਾਕਟਰੀ ਡਾਟਾ ਫਾਈਲ ਅਤੇ ਵੋਟਰ ਫਾਈਲ ਸ਼ੇਅਰ-ਜ਼ਿਪ ਕੋਡ, ਜਨਮ ਤਾਰੀਖ ਅਤੇ ਸੈਕਸ ਨੂੰ ਸਾਂਝੇ ਕਰਦੇ ਹਨ - ਮਤਲਬ ਕਿ ਸਵੀਨੀ ਉਹਨਾਂ ਨਾਲ ਲਿੰਕ ਕਰ ਸਕਦਾ ਹੈ. ਸਵੀਨੀ ਨੂੰ ਪਤਾ ਸੀ ਕਿ ਵੇਲਡ ਦਾ ਜਨਮ ਦਿਨ 31 ਜੁਲਾਈ, 1945 ਸੀ ਅਤੇ ਵੋਟਿੰਗ ਦੇ ਰਿਕਾਰਡਾਂ ਵਿੱਚ ਕੈਮਬ੍ਰਿਜ ਵਿੱਚ ਸਿਰਫ ਛੇ ਬੰਦੇ ਹੀ ਉਸ ਜਨਮ ਦਿਨ ਦੇ ਸਨ. ਅੱਗੇ, ਉਨ੍ਹਾਂ ਛੇ ਲੋਕਾਂ ਵਿੱਚੋਂ, ਸਿਰਫ ਤਿੰਨ ਪੁਰਸ਼ ਸਨ. ਅਤੇ, ਇਨ੍ਹਾਂ ਤਿੰਨਾਂ ਆਦਮੀਆਂ ਵਿੱਚੋਂ ਕੇਵਲ ਇੱਕ ਹੀ ਵਾਲਡ ਦਾ ਜ਼ਿਪ ਕੋਡ ਸਾਂਝਾ ਕੀਤਾ ਗਿਆ ਸੀ. ਇਸ ਤਰ੍ਹਾਂ, ਵੋਟਿੰਗ ਦੇ ਅੰਕੜਿਆਂ ਅਨੁਸਾਰ ਵੈਲਡ ਦੇ ਜਨਮ ਦੀ ਮਿਤੀ, ਲਿੰਗ ਅਤੇ ਜ਼ਿਪ ਕੋਡ ਦੇ ਵਿਧੀ ਨਾਲ ਡਾਕਟਰੀ ਡਾਕਟਰੀ ਡਾਕਟਰੀ ਡਾਕੂਮੈਂਟ ਵਿੱਚ ਵਿਲੀਅਮ ਵੇਲਡ ਅਸਲ ਵਿਚ, ਜਾਣਕਾਰੀ ਦੇ ਇਹ ਤਿੰਨ ਨੁਕਤਿਆਂ ਨੇ ਡਾਟਾ ਵਿਚ ਉਸ ਲਈ ਇਕ ਨਿਵੇਕਲਾ ਫਿੰਗਰਪ੍ਰਿੰਟ ਮੁਹੱਈਆ ਕੀਤਾ. ਇਸ ਤੱਥ ਦਾ ਇਸਤੇਮਾਲ ਕਰਨ ਨਾਲ, ਸਵੀਨੀ ਵੈਲਡ ਦੇ ਡਾਕਟਰੀ ਰਿਕਾਰਡਾਂ ਨੂੰ ਲੱਭਣ ਵਿਚ ਸਮਰੱਥ ਸੀ ਅਤੇ, ਉਸ ਨੂੰ ਉਸ ਦੀ ਕਾਬਲੀਅਤ ਬਾਰੇ ਸੂਚਿਤ ਕਰਨ ਲਈ, ਉਸ ਨੇ ਉਸ ਨੂੰ ਆਪਣੇ ਰਿਕਾਰਡਾਂ ਦੀ ਇਕ ਕਾਪੀ (Ohm 2010) .

ਚਿੱਤਰ 6.5: "ਅਗਿਆਤ" ਡਾਟਾ ਦਾ ਮੁੜ-ਨਿਰਮਾਣ. ਲਾਤਨਿਨੀ ਸਵੀਨੀ ਨੇ ਗਵਰਨਰ ਵਿਲੀਅਮ ਵੇਲਡ ਦੇ ਸਿਵਿਨੀ Sweeney (2002) ਤੋਂ ਅੰਕਿਤ ਹੋਏ, ਡਾਕਟਰੀ ਰਿਕਾਰਡਾਂ ਦਾ ਪਤਾ ਕਰਨ ਲਈ ਵੋਟਿੰਗ ਰਿਕਾਰਡਾਂ ਦੇ ਨਾਲ "ਅਣ-ਨਾਮਨਯੁਕਤ" ਸਿਹਤ ਦੇ ਰਿਕਾਰਡ ਮਿਲਾਏ.

ਸਵੀਨੀ ਦੇ ਕੰਮ ਤੋਂ ਮੁੜ ਪਛਾਣ ਦੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਵਿਆਖਿਆ ਕੀਤੀ ਗਈ ਹੈ- ਕੰਪਿਊਟਰ ਸੁਰੱਖਿਆ ਭਾਈਚਾਰੇ ਤੋਂ ਇਕ ਸ਼ਬਦ ਅਪਨਾਉਣ ਲਈ. ਇਨ੍ਹਾਂ ਹਮਲਿਆਂ ਵਿਚ, ਦੋ ਡਾਟਾ ਸੈੱਟ, ਨਾ ਤਾਂ ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਣਕਾਰੀ ਦਰਸਾਉਂਦੇ ਹਨ, ਨਾਲ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਇਸ ਲਿੰਕ ਰਾਹੀਂ, ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਣਕਾਰੀ ਪ੍ਰਗਟ ਕੀਤੀ ਜਾਂਦੀ ਹੈ.

ਸਵੀਨੀ ਦੇ ਕੰਮ ਅਤੇ ਹੋਰ ਸਬੰਧਿਤ ਕੰਮ ਦੇ ਹੁੰਗਾਰੇ ਵਜੋਂ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਆਮ ਤੌਰ 'ਤੇ " (Narayanan and Shmatikov 2010) " ਦੀ ਪ੍ਰਕਿਰਿਆ ਦੇ ਦੌਰਾਨ ਜਿਆਦਾ ਜਾਣਕਾਰੀ-ਸਾਰੇ ਅਖੌਤੀ "ਨਿੱਜੀ ਪਛਾਣ ਜਾਣਕਾਰੀ" (ਪੀ.ਆਈ.ਆਈ.) (Narayanan and Shmatikov 2010) ਹਟਾ ਦਿੱਤਾ ਹੈ. ਅੱਗੇ, ਬਹੁਤ ਸਾਰੇ ਖੋਜਕਰਤਾਵਾਂ ਹੁਣ ਅਹਿਸਾਸ ਹੁੰਦਾ ਹੈ ਕਿ ਕੁਝ ਡਾਟੇ - ਜਿਵੇਂ ਕਿ ਮੈਡੀਕਲ ਰਿਕਾਰਡ, ਵਿੱਤੀ ਰਿਕਾਰਡ, ਗੈਰ-ਕਾਨੂੰਨੀ ਵਰਤਾਓ ਬਾਰੇ ਸਵਾਲਾਂ ਦਾ ਸਰਵੇਖਣ ਕਰਨਾ ਸੰਭਵ ਹੈ- "ਅਗਿਆਨੀ" ਤੋਂ ਬਾਅਦ ਵੀ ਜਾਰੀ ਕਰਨ ਲਈ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਬਹੁਤ ਸੰਵੇਦਨਸ਼ੀਲ ਹੈ. ਹਾਲਾਂਕਿ, ਜਿਨ੍ਹਾਂ ਉਦਾਹਰਣਾਂ ਬਾਰੇ ਮੈਂ ਦੱਸਣ ਜਾ ਰਿਹਾ ਹਾਂ ਉਹ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਸਮਾਜਿਕ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਆਪਣੀ ਸੋਚ ਨੂੰ ਬਦਲਣ ਲਈ ਪਹਿਲਾ ਕਦਮ ਦੇ ਤੌਰ ਤੇ, ਇਸ ਨੂੰ ਮੰਨ ਲਈ ਹੈ, ਜੋ ਕਿ ਸਭ ਡਾਟਾ ਸੰਭਾਵੀ ਪਛਾਣ ਹਨ ਅਤੇ ਸਭ ਡਾਟਾ ਸੰਭਾਵੀ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੇ ਹਨ ਬੁੱਧੀਮਾਨ ਹੈ. ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿਚ, ਇਹ ਸੋਚਣ ਦੀ ਬਜਾਏ ਕਿ ਜੋ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨ ਦਾ ਜੋਖਮ ਪ੍ਰਾਜੈਕਟਾਂ ਦੇ ਇਕ ਛੋਟੇ ਸਬਸੈੱਟ 'ਤੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ, ਸਾਨੂੰ ਇਹ ਮੰਨ ਲੈਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਇਹ ਕੁਝ ਦਰਜੇ ਤਕ ਸਾਰੇ ਪ੍ਰਾਜੈਕਟਾਂ' ਤੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ.

ਇਸ ਪੁਨਰ-ਵਿਚਾਰ ਦੇ ਦੋ ਪਹਿਲੂਆਂ ਨੂੰ ਨੈੱਟਫਿਲਕਸ ਇਨਾਮ ਦੁਆਰਾ ਦਰਸਾਇਆ ਗਿਆ ਹੈ. ਜਿਵੇਂ ਕਿ ਅਧਿਆਇ 5 ਵਿਚ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਲਗਭਗ 500,000 ਸਦੱਸਾਂ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੀ ਗਈ 100 ਮਿਲੀਅਨ ਫਿਲਮ ਰੇਟਿੰਗਾਂ ਜਾਰੀ ਕੀਤੀ, ਅਤੇ ਇਕ ਖੁੱਲ੍ਹਾ ਕਾਲ ਮਿਲਿਆ ਜਿਸ ਵਿਚ ਦੁਨੀਆਂ ਭਰ ਦੇ ਲੋਕਾਂ ਨੇ ਐਲਗੋਰਿਥਮ ਭੇਜੇ ਜਿਨ੍ਹਾਂ ਨਾਲ ਫ਼ਿਲਮਾਂ ਦੀ ਸਿਫਾਰਸ਼ ਕਰਨ ਲਈ Netflix ਦੀ ਸਮਰੱਥਾ ਵਿਚ ਸੁਧਾਰ ਹੋ ਸਕਦਾ ਹੈ. ਡਾਟਾ ਜਾਰੀ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਨੈੱਟਫਿਲਸ ਨੇ ਕਿਸੇ ਵੀ ਸਪੱਸ਼ਟ ਨਿੱਜੀ ਪਛਾਣ ਜਾਣਕਾਰੀ ਨੂੰ ਹਟਾ ਦਿੱਤਾ, ਜਿਵੇਂ ਕਿ ਨਾਂ. ਉਹਨਾਂ ਨੇ ਇੱਕ ਹੋਰ ਕਦਮ ਵੀ ਚਲਾਇਆ ਅਤੇ ਕੁਝ ਰਿਕਾਰਡਾਂ ਵਿੱਚ ਥੋੜ੍ਹੀ ਪ੍ਰਤੀਕਰਮ ਪੇਸ਼ ਕੀਤੀ (ਉਦਾਹਰਣ ਵਜੋਂ, 4 ਸਿਤਾਰੇ ਤੋਂ 3 ਸਟਾਰ ਤੱਕ ਕੁਝ ਰੇਟਿੰਗ ਬਦਲਣਾ) ਉਨ੍ਹਾਂ ਨੇ ਛੇਤੀ ਹੀ ਇਹ ਖੋਜ ਕੀਤੀ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਯਤਨਾਂ ਦੇ ਬਾਵਜੂਦ, ਡਾਟਾ ਹਾਲੇ ਵੀ ਅਨਾਮ ਨਹੀਂ ਰਹੇ ਹਨ

ਅੰਕੜਿਆਂ ਦੇ ਜਾਰੀ ਹੋਣ ਤੋਂ ਸਿਰਫ ਦੋ ਹਫਤੇ ਬਾਅਦ, ਅਰਵਿੰਦ ਨਰਾਇਣਨ ਅਤੇ ਵਿਤੀ ਸ਼ਮਾਤਕੋਵ (2008) ਨੇ ਦਿਖਾਇਆ ਕਿ ਖਾਸ ਲੋਕਾਂ ਦੀ ਫ਼ਿਲਮ ਪਸੰਦ ਬਾਰੇ ਸਿੱਖਣਾ ਸੰਭਵ ਸੀ. ਉਨ੍ਹਾਂ ਦੀ ਦੁਬਾਰਾ ਪਹਿਚਾਣ ਕਰਨ ਦੀ ਦੌੜ ਵਿੱਚ ਸਵੀਨੀ ਦੇ ਸਮਾਨ ਸੀ: ਦੋ ਜਾਣਕਾਰੀ ਸਰੋਤ ਇੱਕਠੇ ਹੋ ਗਏ, ਇੱਕ ਸੰਭਾਵੀ ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ ਅਤੇ ਕੋਈ ਸਪੱਸ਼ਟ ਤੌਰ ਤੇ ਪਛਾਣ ਨਾ ਕਰਨ ਵਾਲੀ ਜਾਣਕਾਰੀ ਅਤੇ ਉਹ ਵਿਅਕਤੀ ਜਿਸ ਦੀ ਲੋਕ ਦੀ ਪਛਾਣ ਸ਼ਾਮਲ ਹੈ ਇਹ ਹਰੇਕ ਡਾਟਾ ਸ੍ਰੋਤ ਵੱਖਰੇ ਤੌਰ ਤੇ ਸੁਰੱਖਿਅਤ ਹੋ ਸਕਦਾ ਹੈ, ਪਰ ਜਦੋਂ ਉਹ ਮਿਲਾਉਂਦੇ ਹਨ, ਤਾਂ ਮਿਲਾਏ ਗਏ ਡੇਟਾਸੈਟ ਜਾਣਕਾਰੀ ਵਾਲੇ ਜੋਖਮ ਨੂੰ ਬਣਾ ਸਕਦਾ ਹੈ. Netflix ਡਾਟਾ ਦੇ ਮਾਮਲੇ ਵਿਚ, ਇੱਥੇ ਇਹ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਇਹ ਕਿਵੇਂ ਹੋ ਸਕਦਾ ਹੈ. ਕਲਪਨਾ ਕਰੋ ਕਿ ਮੈਂ ਆਪਣੇ ਸਹਿ-ਵਰਕਰਾਂ ਨਾਲ ਕੰਮ ਅਤੇ ਕਾਮੇਡੀ ਫ਼ਿਲਮਾਂ ਬਾਰੇ ਆਪਣੇ ਵਿਚਾਰ ਸਾਂਝੇ ਕਰਨ ਦੀ ਚੋਣ ਕਰਦਾ ਹਾਂ, ਪਰ ਮੈਂ ਧਾਰਮਿਕ ਅਤੇ ਰਾਜਨੀਤਿਕ ਫਿਲਮਾਂ ਬਾਰੇ ਆਪਣੀ ਰਾਇ ਸਾਂਝੀ ਕਰਨਾ ਪਸੰਦ ਨਹੀਂ ਕਰਦਾ. ਮੇਰੇ ਸਹਿ ਕਰਮਚਾਰੀ ਉਹ ਜਾਣਕਾਰੀ ਵਰਤ ਸਕਦੇ ਹਨ ਜੋ ਮੈਂ ਉਹਨਾਂ ਨਾਲ ਸਾਂਝੇ ਕੀਤੇ ਹਨ ਤਾਂ ਜੋ ਮੈਂ ਨੈੱਟਫਿਲਜ ਡਾਟਾ ਵਿੱਚ ਆਪਣੇ ਰਿਕਾਰਡਾਂ ਦਾ ਪਤਾ ਲਗਾ ਸਕਾਂ; ਜਿਹੜੀ ਜਾਣਕਾਰੀ ਮੈਂ ਸਾਂਝੀ ਕਰਦੀ ਹਾਂ ਉਹ ਕੇਵਲ ਵਿਲੀਅਮ ਵੇਲਡ ਦੀ ਜਨਮ ਮਿਤੀ, ਜ਼ਿਪ ਕੋਡ, ਅਤੇ ਸੈਕਸ ਜਿਹੇ ਵਿਲੱਖਣ ਫਿੰਗਰਪ੍ਰਿੰਟ ਹੋ ਸਕਦੇ ਹਨ. ਫਿਰ, ਜੇ ਉਨ੍ਹਾਂ ਨੇ ਮੇਰੇ ਵਿਲੱਖਣ ਫਿੰਗਰਪ੍ਰਿੰਟ ਨੂੰ ਡਾਟਾ ਵਿਚ ਪਾਇਆ ਤਾਂ ਉਹ ਆਪਣੀਆਂ ਫਿਲਮਾਂ ਬਾਰੇ ਆਪਣੀਆਂ ਰੇਟਿੰਗਾਂ ਸਿੱਖ ਸਕਦੇ ਸਨ, ਜਿਨ੍ਹਾਂ ਵਿਚ ਉਹ ਫਿਲਮਾਂ ਵੀ ਸ਼ਾਮਲ ਸਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਮੈਂ ਸ਼ੇਅਰ ਨਾ ਕਰਨਾ ਪਸੰਦ ਕਰਾਂਗਾ. ਇੱਕ ਵਿਅਕਤੀ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਇਸ ਕਿਸਮ ਦੇ ਨਿਸ਼ਾਨੇ ਵਾਲੇ ਹਮਲੇ ਤੋਂ ਇਲਾਵਾ, ਨਰਾਇਣਨ ਅਤੇ ਸ਼ਮਾਤਕੋਵ ਨੇ ਇਹ ਵੀ ਦਿਖਾਇਆ ਹੈ ਕਿ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਲਈ ਇੱਕ ਵਿਸ਼ਾਲ ਹਮਲੇ ਕਰਨਾ ਸੰਭਵ ਹੈ - Netflix ਡਾਟਾ ਨੂੰ ਵਿਅਕਤੀਗਤ ਅਤੇ ਮੂਵੀ ਰੇਟਿੰਗ ਦੇ ਅੰਕੜਿਆਂ ਨਾਲ ਮਿਲਾ ਕੇ, ਜੋ ਕੁਝ ਲੋਕਾਂ ਨੇ ਚੁਣਿਆ ਹੈ ਇੰਟਰਨੈਟ ਮੂਵੀ ਡਾਟਾਬੇਸ (ਆਈਐਮਡੀਬੀ) ਤੇ ਪੋਸਟ ਕਰਨ ਲਈ. ਕਾਫ਼ੀ ਖਾਸ ਤੌਰ 'ਤੇ, ਕਿਸੇ ਵੀ ਖਾਸ ਜਾਣਕਾਰੀ ਲਈ ਕੋਈ ਵਿਲੱਖਣ ਫਿੰਗਰਪ੍ਰਿੰਟ - ਭਾਵੇਂ ਕਿ ਉਹਨਾਂ ਦੀ ਫਿਲਮ ਰੇਟਿੰਗਾਂ ਦਾ ਸੈਟ ਹੈ, ਉਹਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ.

ਹਾਲਾਂਕਿ Netflix ਡਾਟਾ ਕਿਸੇ ਨਿਸ਼ਾਨੇ ਵਾਲੇ ਜਾਂ ਵਿਆਪਕ ਹਮਲੇ ਵਿੱਚ ਮੁੜ-ਪਛਾਣਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਇਹ ਅਜੇ ਵੀ ਘੱਟ ਜੋਖਮ ਵਿੱਚ ਦਿਖਾਈ ਦੇ ਸਕਦਾ ਹੈ. ਆਖਰਕਾਰ, ਫਿਲਮ ਰੇਟਿੰਗਾਂ ਬਹੁਤ ਸੰਵੇਦਨਸ਼ੀਲ ਨਹੀਂ ਜਾਪਦੀਆਂ. ਹਾਲਾਂਕਿ ਇਹ ਆਮ ਤੌਰ 'ਤੇ ਸਹੀ ਹੋ ਸਕਦਾ ਹੈ, ਹਾਲਾਂਕਿ ਡੇਟਾਟੈੱਟ ਦੇ ਕੁਝ 500,000 ਲੋਕਾਂ ਦੇ ਲਈ, ਫਿਲਮ ਰੇਟਿੰਗਜ਼ ਬਹੁਤ ਸੰਵੇਦਨਸ਼ੀਲ ਹੋ ਸਕਦੀ ਹੈ. ਵਾਸਤਵ ਵਿੱਚ, ਮੁੜ-ਪਛਾਣ ਦੇ ਪ੍ਰਤੀਕਿਰਿਆ ਵਿੱਚ, ਇੱਕ ਸਮੂਹਿਕ ਲੇਬੀਨ ਔਰਤ ਨੇ ਨੈੱਟਫਿਲਕਸ ਦੇ ਖਿਲਾਫ ਇੱਕ ਵਰਗ ਐਕਸ਼ਨ ਮੁਕੱਦਮੇ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਗਿਆ. ਉਹਨਾਂ ਦੇ ਮੁਕੱਦਮੇ ਵਿਚ ਸਮੱਸਿਆ ਕਿਵੇਂ ਪ੍ਰਗਟ ਕੀਤੀ ਗਈ ਸੀ (Singel 2009) :

"[ਐੱਮ] ਓਵੀ ਅਤੇ ਰੇਟਿੰਗ ਅੰਕੜਿਆਂ ਵਿਚ ਬਹੁਤ ਨਿੱਜੀ ਅਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਕੁਦਰਤ ਦੀ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਹੈ. ਸਦੱਸ ਦੇ ਮੂਵੀ ਡੇਟਾ ਵਿੱਚ ਨੈਟਫਲਿਕਸ ਦੇ ਮੈਂਬਰ ਦੇ ਵਿਅਕਤੀਗਤ ਹਿੱਤ ਅਤੇ / ਜਾਂ ਵੱਖ-ਵੱਖ ਬਹੁਤ ਸਾਰੇ ਨਿੱਜੀ ਮੁੱਦਿਆਂ ਦੇ ਨਾਲ ਸੰਘਰਸ਼ ਹੁੰਦਾ ਹੈ, ਜਿਨਸੀ ਝੁਕਾਓ, ਮਾਨਸਿਕ ਬੀਮਾਰੀ, ਅਲਕੋਹਲ ਤੋਂ ਰਿਕਵਰੀ, ਅਤੇ ਨਜਾਇਜ਼ਾਂ, ਸਰੀਰਕ ਸ਼ੋਸ਼ਣ, ਘਰੇਲੂ ਹਿੰਸਾ, ਵਿਭਚਾਰ ਅਤੇ ਬਲਾਤਕਾਰ ਤੋਂ ਅਿਤਿਆਚਾਰ.

ਨੈੱਟਫਿਲਕਸ ਇਨਾਮ ਅੰਕਿਤ ਦੀ ਮੁੜ ਪਛਾਣ ਤੋਂ ਇਹ ਸਪੱਸ਼ਟ ਹੁੰਦਾ ਹੈ ਕਿ ਸਾਰੇ ਡਾਟਾ ਸੰਭਾਵਿਤ ਰੂਪ ਵਿੱਚ ਪਛਾਣੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਇਹ ਸਾਰੇ ਡੇਟਾ ਸੰਭਾਵੀ ਤੌਰ ਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੇ ਹਨ. ਇਸ ਮੌਕੇ 'ਤੇ, ਤੁਸੀਂ ਸ਼ਾਇਦ ਸੋਚੋ ਕਿ ਇਹ ਕੇਵਲ ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਤੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ ਜੋ ਲੋਕਾਂ ਬਾਰੇ ਹੋਣ ਦਾ ਦਾਅਵਾ ਕਰਦੇ ਹਨ. ਹੈਰਾਨੀ ਦੀ ਗੱਲ ਹੈ ਕਿ ਅਜਿਹਾ ਨਹੀਂ ਹੈ. ਸੂਚਨਾ ਦੀ ਆਜ਼ਾਦੀ ਦੀ ਆਜ਼ਾਦੀ ਦੀ ਇਕ ਆਜ਼ਾਦੀ ਦੇ ਜਵਾਬ ਵਿਚ, ਨਿਊਯਾਰਕ ਸਿਟੀ ਸਰਕਾਰ ਨੇ 2013 ਵਿਚ ਨਿਊ ਯਾਰਕ ਵਿਚ ਹਰ ਟੈਕਸੀ ਦੀ ਰਾਈਡ ਦੇ ਰਿਕਾਰਡ ਰਿਲੀਜ਼ ਕੀਤੇ ਸਨ, ਜਿਸ ਵਿਚ ਪਿਕਅਪ ਅਤੇ ਛੱਡਣ ਦੇ ਸਮੇਂ, ਸਥਾਨਾਂ ਅਤੇ ਕਿਰਾਏ ਦੀਆਂ ਮਾਤਰਾ (ਅਧਿਆਇ 2 ਤੋਂ ਯਾਦ ਜੋ Farber (2015) ਲੇਬਰ ਅਰਥਸ਼ਾਸਤਰ ਵਿੱਚ ਮਹੱਤਵਪੂਰਣ ਸਿਧਾਂਤਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਸਮਾਨ ਡੇਟਾ ਵਰਤਿਆ ਗਿਆ) ਟੈਕਸੀ ਸਫ਼ਰਾਂ ਬਾਰੇ ਇਹ ਜਾਣਕਾਰੀ ਸ਼ਾਇਦ ਸੁਭਾਵਕ ਜਾਪ ਸਕਦੀ ਹੈ ਕਿਉਂਕਿ ਉਹ ਲੋਕਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰਦੇ, ਪਰ ਐਂਥਨੀ ਟੋਕਰ ਨੂੰ ਅਹਿਸਾਸ ਹੋਇਆ ਕਿ ਇਸ ਟੈਕਸੀ ਡਾਟਾਸਟ ਵਿੱਚ ਅਸਲ ਵਿੱਚ ਲੋਕਾਂ ਦੇ ਬਾਰੇ ਸੰਭਾਵੀ ਸੰਵੇਦਨਸ਼ੀਲ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਹੈ. ਮਿਸਾਲ ਲਈ, ਉਸ ਨੇ ਨਿਊਯਾਰਕ ਵਿਚ ਇਕ ਹਿਟਲਰ ਕਲੱਬ ਤੋਂ ਸ਼ੁਰੂ ਹੋ ਕੇ ਸਾਰੇ ਸਫ਼ਰ ਦੇਖੇ ਸਨ - ਅੱਧੀ ਰਾਤ ਅਤੇ ਸ਼ਾਮ 6 ਵਜੇ ਦੇ ਵਿਚਕਾਰ ਅਤੇ ਫਿਰ ਉਨ੍ਹਾਂ ਦੇ ਡਰਾਪ-ਆਫ ਸਥਾਨ ਲੱਭੇ. ਇਹ ਖੋਜ ਤੱਥਾਂ ਵਿੱਚ ਪ੍ਰਗਟ ਕੀਤੀ ਗਈ- ਕੁਝ ਲੋਕਾਂ ਦੇ ਪਤੇ ਦੀ ਇੱਕ ਸੂਚੀ ਜੋ ਹਟਲਰ ਕਲੱਬ (Tockar 2014) ਨੂੰ ਅਕਸਰ ਆਉਂਦੀ ਸੀ ਇਹ ਕਲਪਨਾ ਕਰਨਾ ਮੁਸ਼ਕਿਲ ਹੈ ਕਿ ਜਦੋਂ ਇਹ ਡਾਟਾ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਸੀ ਤਾਂ ਸ਼ਹਿਰ ਦੀ ਸਰਕਾਰ ਨੂੰ ਇਹ ਗੱਲ ਮਨ ਵਿੱਚ ਸੀ. ਵਾਸਤਵ ਵਿੱਚ, ਇਸ ਤਕਨੀਕ ਦੀ ਵਰਤੋਂ ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਦੇ ਘਰ ਦੇ ਪਤੇ ਨੂੰ ਲੱਭਣ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਜੋ ਸ਼ਹਿਰ ਵਿੱਚ ਕਿਸੇ ਵੀ ਸਥਾਨ ਤੇ ਜਾਂਦੇ ਹਨ - ਇੱਕ ਮੈਡੀਕਲ ਕਲੀਨਿਕ, ਇੱਕ ਸਰਕਾਰੀ ਬਿਲਡਿੰਗ, ਜਾਂ ਇੱਕ ਧਾਰਮਿਕ ਸੰਸਥਾ.

Netflix ਇਨਾਮ ਅਤੇ ਨਿਊਯਾਰਕ ਸਿਟੀ ਟੈਕਸੀ ਡਾਟਾ ਦੇ ਇਹ ਦੋ ਕੇਸ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿ ਮੁਕਾਬਲਤਨ ਹੁਨਰਮੰਦ ਲੋਕ ਉਹ ਡੇਟਾ ਵਿੱਚ ਜਾਣਕਾਰੀ ਵਾਲੇ ਜੋਖਮ ਦਾ ਸਹੀ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਵਿੱਚ ਅਸਫਲ ਹੋ ਸਕਦੇ ਹਨ - ਅਤੇ ਇਹ ਕੇਸ ਕਿਸੇ ਵੀ ਤਰ੍ਹਾਂ ਅਨੋਖੇ ਨਹੀਂ ਹਨ (Barbaro and Zeller 2006; Zimmer 2010; Narayanan, Huey, and Felten 2016) . ਇਸਤੋਂ ਇਲਾਵਾ, ਅਜਿਹੇ ਕਈ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਸਮੱਸਿਆ ਵਾਲੇ ਡਾਟਾ ਅਜੇ ਵੀ ਔਨਲਾਈਨ ਉਪਲੱਬਧ ਹਨ, ਜੋ ਕਿ ਕਦੇ ਵੀ ਇੱਕ ਡਾਟਾ ਰੀਲਿਜ਼ ਨੂੰ ਅਣਡਿੱਠਾ ਕਰ ਸਕਦਾ ਹੈ. ਸਮੂਹਿਕ ਤੌਰ ਤੇ, ਇਹਨਾਂ ਉਦਾਹਰਣਾਂ - ਨਾਲ ਹੀ ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਵਿੱਚ ਗੁਪਤਤਾ ਬਾਰੇ ਇੱਕ ਮਹੱਤਵਪੂਰਣ ਸਿੱਟਾ ਦੇ ਅਧਾਰ ਤੇ ਖੋਜ. ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਇਹ ਮੰਨ ਲੈਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਸਾਰੇ ਡਾਟਾ ਸੰਭਾਵਿਤ ਰੂਪ ਵਿੱਚ ਪਛਾਣੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਸਾਰੇ ਡਾਟਾ ਸੰਭਾਵੀ ਤੌਰ ਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੇ ਹਨ.

ਬਦਕਿਸਮਤੀ ਨਾਲ, ਤੱਥਾਂ ਦਾ ਕੋਈ ਸੌਖਾ ਹੱਲ ਨਹੀਂ ਹੁੰਦਾ ਕਿ ਸਾਰੇ ਡੇਟਾ ਸੰਭਾਵੀ ਤੌਰ ਤੇ ਪਛਾਣੇ ਜਾ ਸਕਦੇ ਹਨ ਅਤੇ ਸਾਰੇ ਡਾਟਾ ਸੰਭਾਵੀ ਤੌਰ ਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੇ ਹਨ. ਹਾਲਾਂਕਿ, ਜਦੋਂ ਤੁਸੀਂ ਡੇਟਾ ਦੇ ਨਾਲ ਕੰਮ ਕਰ ਰਹੇ ਹੋਵੋ ਤਾਂ ਸੂਚਨਾ ਸੰਕਟ ਨੂੰ ਘਟਾਉਣ ਦਾ ਇੱਕ ਤਰੀਕਾ ਡਾਟਾ ਸੁਰੱਖਿਆ ਯੋਜਨਾ ਨੂੰ ਬਣਾਉਣਾ ਅਤੇ ਪਾਲਣਾ ਕਰਨਾ ਹੈ. ਇਸ ਯੋਜਨਾ ਨਾਲ ਇਹ ਸੰਭਾਵਨਾ ਘਟੇਗੀ ਕਿ ਤੁਹਾਡਾ ਡੇਟਾ ਲੀਕ ਕਰੇਗਾ ਅਤੇ ਨੁਕਸਾਨ ਨੂੰ ਘਟਾਏਗਾ ਜੇਕਰ ਕਿਸੇ ਲੀਕ ਕਿਸੇ ਤਰ੍ਹਾਂ ਵਾਪਰਦਾ ਹੈ. ਡਾਟਾ ਪ੍ਰੋਟੈਕਸ਼ਨ ਯੋਜਨਾਵਾਂ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ, ਜਿਵੇਂ ਕਿ ਕਿਸ ਤਰ੍ਹਾਂ ਦਾ ਏਨਕ੍ਰਿਪਸ਼ਨ ਵਰਤਣ ਲਈ, ਸਮੇਂ ਦੇ ਨਾਲ ਬਦਲਣਗੀਆਂ, ਪਰ ਯੂਕੇ ਡਾਟਾ ਸਰਵਿਸਿਜ਼ ਨੇ ਪੰਜ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਇੱਕ ਡਾਟਾ ਪ੍ਰੋਟੈਕਸ਼ਨ ਪਲਾਨ ਦੇ ਤੱਤਾਂ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸੰਗਠਿਤ ਕੀਤਾ ਹੈ, ਜੋ ਕਿ ਉਹ ਪੰਜ ਸਫਾਂ ਨੂੰ ਕਾਲ ਕਰਦੇ ਹਨ : ਸੁਰੱਖਿਅਤ ਪ੍ਰਾਜੈਕਟ, ਸੁਰੱਖਿਅਤ ਲੋਕ , ਸੁਰੱਖਿਅਤ ਸੈਟਿੰਗਾਂ, ਸੁਰੱਖਿਅਤ ਡਾਟਾ ਅਤੇ ਸੁਰੱਖਿਅਤ ਆਉਟਪੁੱਟ (ਸਾਰਣੀ 6.2) (Desai, Ritchie, and Welpton 2016) . ਪੰਜ ਸੇਬਾਂ ਵਿਚੋਂ ਕੋਈ ਵੀ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਹੀ ਸੁਰੱਖਿਆ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰਦਾ. ਪਰ ਇੱਕਠੇ ਉਹ ਕਾਰਕਾਂ ਦਾ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਮੂਹ ਬਣਾਉਂਦੇ ਹਨ ਜੋ ਜਾਣਕਾਰੀ ਵਾਲੇ ਜੋਖਮ ਘਟਾ ਸਕਦੇ ਹਨ.

ਜਦੋਂ ਤੁਸੀਂ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੁੰਦੇ ਹੋ ਤਾਂ ਆਪਣੇ ਡਾਟਾ ਦੀ ਸੁਰੱਖਿਆ ਦੇ ਇਲਾਵਾ, ਖੋਜ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਇੱਕ ਕਦਮ ਹੈ, ਜਿੱਥੇ ਜਾਣਕਾਰੀਲਿਤ ਜੋਖਮ ਖਾਸ ਤੌਰ ਤੇ ਪ੍ਰਮੁੱਖ ਹੈ ਹੋਰ ਖੋਜਕਰਤਾਵਾਂ ਨਾਲ ਡਾਟਾ ਸਾਂਝਾ ਕਰਨਾ. ਵਿਗਿਆਨੀਆਂ ਵਿਚ ਡੇਟਾ ਸ਼ੇਅਰਿੰਗ ਵਿਗਿਆਨਕ ਯਤਨ ਦਾ ਮੁੱਖ ਮੁੱਲ ਹੈ, ਅਤੇ ਇਹ ਗਿਆਨ ਦੀ ਉੱਨਤੀ ਦੀ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਹਾਇਤਾ ਕਰਦਾ ਹੈ. ਯੂਕੇ ਦੇ ਹਾਊਸ ਆਫ਼ ਕਾਮਨਜ਼ ਨੇ ਡੇਟਾ ਸ਼ੇਅਰਿੰਗ (Molloy 2011) ਦੇ ਮਹੱਤਵ ਦਾ ਵਰਣਨ ਕਿਵੇਂ ਕੀਤਾ ਹੈ:

"ਜੇਕਰ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਸਾਹਿਤ ਵਿੱਚ ਦਰਜ ਨਤੀਜਿਆਂ 'ਤੇ ਪੁਨਰ ਉਤਪਾਦਨ, ਤਸਦੀਕ ਅਤੇ ਨਿਰਮਾਣ ਕਰਨਾ ਹੈ ਤਾਂ ਡਾਟਾ ਤੱਕ ਪਹੁੰਚ ਬੁਨਿਆਦੀ ਹੈ. ਅਨੁਮਾਨ ਲਾਜ਼ਮੀ ਤੌਰ 'ਤੇ ਇਹ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਜਦੋਂ ਤੱਕ ਕਿ ਹੋਰ ਕੋਈ ਮਜ਼ਬੂਤ ​​ਕਾਰਨ ਨਾ ਹੋਵੇ, ਤਾਂ ਡਾਟਾ ਪੂਰੀ ਤਰ੍ਹਾਂ ਖੁਲਾਸਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਜਨਤਕ ਤੌਰ' ਤੇ ਉਪਲਬਧ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ. "

ਫਿਰ ਵੀ, ਆਪਣੇ ਡੇਟਾ ਨੂੰ ਇਕ ਹੋਰ ਖੋਜਕਰਤਾ ਨਾਲ ਸਾਂਝਾ ਕਰਕੇ, ਤੁਸੀਂ ਆਪਣੇ ਭਾਗੀਦਾਰਾਂ ਲਈ ਜਾਣਕਾਰੀ ਵਾਲੇ ਖ਼ਤਰੇ ਨੂੰ ਵਧਾ ਰਹੇ ਹੋ. ਇਸ ਤਰ੍ਹਾਂ, ਲੱਗਦਾ ਹੈ ਕਿ ਡੇਟਾ ਸ਼ੇਅਰਿੰਗ ਨਾਲ ਦੂਜੇ ਵਿਗਿਆਨਕਾਂ ਨਾਲ ਡਾਟਾ ਸਾਂਝਾ ਕਰਨ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਅਤੇ ਹਿੱਸਾ ਲੈਣ ਵਾਲਿਆਂ ਲਈ ਸੂਚਨਾ ਸੰਕਟ ਨੂੰ ਘਟਾਉਣ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਵਿਚਕਾਰ ਇੱਕ ਬੁਨਿਆਦੀ ਤਣਾਅ ਪੈਦਾ ਹੁੰਦਾ ਹੈ. ਖੁਸ਼ਕਿਸਮਤੀ ਨਾਲ, ਇਸ ਦੁਬਿਧਾ ਨੂੰ ਜਿੰਨਾ ਵੀ ਜਾਪਦਾ ਹੈ, ਉੱਨਾ ਗੰਭੀਰ ਨਹੀਂ ਹੈ. ਇਸ ਦੀ ਬਜਾਏ, ਇਕਸਾਰਤਾ ਨਾਲ ਡਿੱਗਣ ਨਾਲ ਡਾਟਾ ਸ਼ੇਅਰਿੰਗ ਬਾਰੇ ਸੋਚਣਾ ਬਿਹਤਰ ਹੁੰਦਾ ਹੈ, ਜੋ ਕਿ ਉਸ ਨਿਰੰਤਰਤਾ ਦੇ ਹਰ ਬਿੰਦੂ ਤੇ ਸਮਾਜ ਨੂੰ ਲਾਭਾਂ ਦਾ ਇੱਕ ਵੱਖਰਾ ਮਿਸ਼ਰਣ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਅਤੇ ਭਾਗ ਲੈਣ ਵਾਲਿਆਂ ਨੂੰ ਖਤਰਾ (ਅੰਕੜਾ 6.6).

ਇੱਕ ਹੱਦ ਤੱਕ, ਤੁਸੀਂ ਆਪਣੇ ਡੇਟਾ ਨੂੰ ਕਿਸੇ ਨਾਲ ਸਾਂਝਾ ਨਹੀਂ ਕਰ ਸਕਦੇ, ਜੋ ਕਿ ਹਿੱਸੇਦਾਰਾਂ ਨੂੰ ਜੋਖਮ ਤੋਂ ਘੱਟ ਕਰਦਾ ਹੈ, ਪਰ ਸਮਾਜ ਨੂੰ ਲਾਭ ਵੀ ਘੱਟ ਕਰਦਾ ਹੈ. ਦੂਜੇ ਅਤਿਅੰਤ 'ਤੇ, ਤੁਸੀਂ ਰਿਹਾਈ ਅਤੇ ਭੁੱਲ ਸਕਦੇ ਹੋ, ਕਿੱਥੇ ਡਾਟਾ "ਅਗਿਆਤ" ਹੈ ਅਤੇ ਹਰੇਕ ਲਈ ਪੋਸਟ ਕੀਤਾ ਗਿਆ ਹੈ ਰਿਲੇਸ਼ਨ ਅਤੇ ਨਾ ਛੱਡਣ ਦੇ ਸੰਕੇਤ, ਸਮਾਜ ਨੂੰ ਉੱਚ ਲਾਭ ਅਤੇ ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਵਧੇਰੇ ਜੋਖਮ ਦੋਵਾਂ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ. ਇਹਨਾਂ ਦੋ ਅਤਿਅੰਤ ਕੇਸਾਂ ਦੇ ਵਿਚਕਾਰ ਹਾਈਬ੍ਰਿਡ ਦੀ ਇੱਕ ਸੀਮਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਮੈਂ ਇੱਕ ਕੰਧ ਵਾਲੇ ਬਾਗ ਪਹੁੰਚ ਨੂੰ ਬੁਲਾਵਾਂਗੇ. ਇਸ ਪਹੁੰਚ ਦੇ ਤਹਿਤ, ਡੇਟਾ ਉਹਨਾਂ ਲੋਕਾਂ ਨਾਲ ਸਾਂਝਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜੋ ਕੁਝ ਖਾਸ ਮਾਪਦੰਡਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦੇ ਹਨ ਅਤੇ ਜੋ ਕੁਝ ਨਿਯਮਾਂ ਦੁਆਰਾ ਬੰਨ੍ਹਣ ਲਈ ਸਹਿਮਤ ਹੁੰਦੇ ਹਨ (ਮਿਸਾਲ ਲਈ, ਇੱਕ ਆਈ.ਆਰ.ਬੀ. ਅਤੇ ਡੈਟਾ ਸੁਰੱਖਿਆ ਯੋਜਨਾ ਤੋਂ ਨਿਗਰਾਨੀ). ਕੰਡਿਆਡ ਬਾਗ ਪਹੁੰਚ ਰਿਲੀਜ ਦੇ ਬਹੁਤ ਸਾਰੇ ਲਾਭ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ ਅਤੇ ਘੱਟ ਜੋਖਮ ਨਾਲ ਭੁੱਲ ਜਾਂਦੀ ਹੈ. ਬੇਸ਼ੱਕ, ਅਜਿਹੀ ਪਹੁੰਚ ਨਾਲ ਕਈ ਪ੍ਰਸ਼ਨ ਪੈਦਾ ਹੁੰਦੇ ਹਨ - ਕਿਸ ਦੀ ਸਥਿਤੀ, ਕਿਸ ਹਾਲਤਾਂ ਵਿਚ, ਅਤੇ ਕਿੰਨੀ ਦੇਰ ਲਈ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਚੌਂਕੀ ਵਾਲੇ ਬਾਗ਼ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਅਤੇ ਪੁਲਿਸ ਨੂੰ ਅਦਾਇਗੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ - ਪਰ ਇਹ ਨਾ ਸਮਝਣ ਯੋਗ ਹਨ. ਵਾਸਤਵ ਵਿੱਚ, ਪਹਿਲਾਂ ਹੀ ਕੰਡਿਆਲੀ ਬਾਗਾਂ ਵਿੱਚ ਕੰਮ ਕਰ ਰਹੇ ਹਨ ਜੋ ਕਿ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਹੁਣੇ ਇਸਤੇਮਾਲ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ ਮਿਸ਼ੀਗਨ ਦੀ ਯੂਨੀਵਰਸਿਟੀ ਵਿੱਚ ਰਾਜਨੀਤਕ ਅਤੇ ਸਮਾਜਿਕ ਖੋਜ ਲਈ ਇੰਟਰ-ਯੂਨੀਵਰਸਿਟੀ ਕੰਸੋਰਟੀਅਮ ਦਾ ਡਾਟਾ ਅਕਾਇਵ.

ਚਿੱਤਰ 6.6: ਡਾਟਾ ਰੀਲਿਜ਼ ਰਣਨੀਤੀ ਇੱਕ ਨਿਰੰਤਰ ਗੁਣਾਂ ਦੇ ਨਾਲ ਡਿੱਗ ਸਕਦੀ ਹੈ. ਜਿੱਥੇ ਤੁਹਾਨੂੰ ਇਸ ਨਿਰੰਤਰ ਵਿਚ ਰਹਿਣਾ ਚਾਹੀਦਾ ਹੈ ਤੁਹਾਡੇ ਡੇਟਾ ਦੇ ਖਾਸ ਵੇਰਵਿਆਂ ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਅਤੇ ਤੀਜੀ ਧਿਰ ਦੀ ਸਮੀਖਿਆ ਤੁਹਾਨੂੰ ਤੁਹਾਡੇ ਕੇਸ ਵਿਚ ਜੋਖਮ ਦੇ ਸਹੀ ਸੰਤੁਲਨ ਅਤੇ ਫਾਇਦੇ ਲੈਣ ਦਾ ਫੈਸਲਾ ਕਰ ਸਕਦੀ ਹੈ. ਇਸ ਕਰਵ ਦੀ ਸਹੀ ਸ਼ਕਲ ਡਾਟਾ ਅਤੇ ਖੋਜ ਟੀਚਿਆਂ (Goroff 2015) ਦੇ ਸਪੈਸੀਫਿਕ ਉੱਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ.

ਇਸ ਲਈ, ਜਿੱਥੇ ਤੁਹਾਡੇ ਅਧਿਐਨ ਦਾ ਅੰਕੜਾ ਸ਼ੇਅਰਿੰਗ, ਦੀਵਾਰਾਂ ਵਾਲੇ ਬਾਗ਼ ਦੀ ਨਿਰੰਤਰਤਾ ਤੇ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਰੀਲਿਜ਼ ਕਰਨਾ ਅਤੇ ਭੁੱਲ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ? ਇਹ ਤੁਹਾਡੇ ਡੇਟਾ ਦੇ ਵੇਰਵਿਆਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ: ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਕਾਨੂੰਨ ਅਤੇ ਜਨਤਕ ਦਿਲਚਸਪੀ ਲਈ ਵਿਅਕਤੀਆਂ, ਲਾਭਪਾਤਰਾਂ, ਜਸਟਿਸ ਅਤੇ ਆਦਰ ਦੇ ਹੱਕ ਦਾ ਸੰਤੁਲਨ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ. ਇਸ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਤੋਂ ਵੇਖਣਾ, ਡੇਟਾ ਸ਼ੇਅਰਿੰਗ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਨੈਤਿਕ ਸੰਕੇਤ ਨਹੀਂ ਹੈ; ਇਹ ਖੋਜ ਦੇ ਬਹੁਤ ਸਾਰੇ ਪਹਿਲੂਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ਜਿਸ ਵਿੱਚ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਇੱਕ ਉਚਿਤ ਨੈਤਿਕ ਸੰਤੁਲਨ ਲੱਭਣਾ ਹੈ.

ਕੁਝ ਆਲੋਚਕਾਂ ਦਾ ਆਮ ਤੌਰ 'ਤੇ ਡੇਟਾ ਸ਼ੇਅਰਿੰਗ ਦਾ ਵਿਰੋਧ ਹੁੰਦਾ ਹੈ ਕਿਉਂਕਿ ਮੇਰੀ ਰਾਏ ਵਿਚ ਉਹ ਇਸ ਦੇ ਖਤਰਿਆਂ' ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰ ਰਹੇ ਹਨ- ਜੋ ਕਿ ਬਿਨਾਂ ਸ਼ੱਕ ਅਸਲ ਹਨ ਅਤੇ ਇਸ ਦੇ ਲਾਭਾਂ ਦੀ ਅਣਦੇਖੀ ਕਰ ਰਹੇ ਹਨ. ਇਸ ਲਈ, ਜੋਖਮਾਂ ਅਤੇ ਲਾਭਾਂ ਦੋਵਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਨ ਲਈ, ਮੈਂ ਇਕ ਸਮਾਨ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹਾਂ. ਹਰ ਸਾਲ, ਕਾਰਾਂ ਹਜ਼ਾਰਾਂ ਦੀ ਮੌਤ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੁੰਦੀਆਂ ਹਨ, ਪਰ ਅਸੀਂ ਡ੍ਰਾਈਵਿੰਗ ਤੇ ਪਾਬੰਦੀ ਲਗਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਹੀਂ ਕਰਦੇ. ਵਾਸਤਵ ਵਿੱਚ, ਡ੍ਰਾਇਵਿੰਗ ਕਰਨ 'ਤੇ ਪਾਬੰਦੀ ਲਾਉਣ ਦਾ ਸੱਦਾ ਬੇਸਮਝ ਹੋਵੇਗਾ ਕਿਉਂਕਿ ਡਰਾਇਵਿੰਗ ਬਹੁਤ ਸਾਰੀਆਂ ਵਧੀਆ ਚੀਜ਼ਾਂ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ. ਇਸ ਦੀ ਬਜਾਇ, ਸੁਸਾਇਟੀ ਇਸ ਗੱਲ 'ਤੇ ਪਾਬੰਦੀ ਲਗਾਉਂਦੀ ਹੈ ਕਿ ਕੌਣ ਗੱਡੀ ਚਲਾ ਸਕਦਾ ਹੈ (ਜਿਵੇਂ, ਇਕ ਖ਼ਾਸ ਉਮਰ ਹੋਣ ਦੀ ਲੋੜ ਅਤੇ ਕੁਝ ਟੈਸਟ ਪਾਸ ਕੀਤੇ ਹੋਣ) ਅਤੇ ਉਹ ਕਿਵੇਂ ਚਲਾ ਸਕਦੇ ਹਨ (ਜਿਵੇਂ, ਗਤੀ ਸੀਮਾ ਦੇ ਅਧੀਨ). ਸੁਸਾਇਟੀ ਕੋਲ ਇਹਨਾਂ ਨਿਯਮਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੇ ਕੰਮ ਵੀ ਹਨ (ਜਿਵੇਂ, ਪੁਲਿਸ), ਅਤੇ ਅਸੀਂ ਉਹਨਾਂ ਲੋਕਾਂ ਨੂੰ ਸਜ਼ਾ ਦਿੰਦੇ ਹਾਂ ਜੋ ਉਨ੍ਹਾਂ ਦੀ ਉਲੰਘਣਾ ਕਰ ਰਹੇ ਹਨ. ਇਹੋ ਜਿਹੀ ਸੰਤੁਲਿਤ ਸੋਚ ਇਹ ਹੈ ਕਿ ਸਮਾਜ ਡ੍ਰਾਇਵਿੰਗ ਨੂੰ ਨਿਯੰਤ੍ਰਿਤ ਕਰਨ 'ਤੇ ਵੀ ਲਾਗੂ ਹੁੰਦਾ ਹੈ, ਇਹ ਡਾਟਾ ਸ਼ੇਅਰਿੰਗ' ਤੇ ਵੀ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ. ਇਹ ਹੈ ਕਿ ਡਾਟਾ ਸ਼ੇਅਰਿੰਗ ਲਈ ਜਾਂ ਇਸ ਦੇ ਵਿਰੁੱਧ ਨਿਰਪੱਖ ਦਲੀਲਾਂ ਦੇਣ ਦੀ ਬਜਾਏ, ਮੈਂ ਸੋਚਦਾ ਹਾਂ ਕਿ ਅਸੀਂ ਜੋਖਮਾਂ ਨੂੰ ਘਟਾਵਾਂਗੇ ਅਤੇ ਡਾਟਾ ਸ਼ੇਅਰਿੰਗ ਤੋਂ ਲਾਭਾਂ ਨੂੰ ਵਧਾਉਣ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰਕੇ ਸਭ ਤੋਂ ਵੱਧ ਤਰੱਕੀ ਕਰਾਂਗੇ.

ਸਿੱਟਾ ਕਰਨ ਲਈ, ਜਾਣਕਾਰੀ ਵਾਲੇ ਖ਼ਤਰੇ ਨੂੰ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਵਧਾਇਆ ਗਿਆ ਹੈ, ਅਤੇ ਇਹ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ ਅਤੇ ਗਣਨਾ ਕਰਨਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੈ. ਇਸ ਲਈ, ਇਹ ਮੰਨਣਾ ਸਭ ਤੋਂ ਵਧੀਆ ਹੈ ਕਿ ਸਾਰੇ ਡਾਟਾ ਸੰਭਾਵੀ ਰੂਪ ਵਿੱਚ ਪਛਾਣੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਸੰਭਾਵੀ ਤੌਰ ਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦੇ ਹਨ. ਖੋਜ ਕਰਦੇ ਸਮੇਂ ਸੂਚਨਾ ਸੰਕਟ ਘਟਾਉਣ ਲਈ, ਖੋਜਕਰਤਾ ਇੱਕ ਡਾਟਾ ਪ੍ਰੋਟੈਕਸ਼ਨ ਪਲਾਨ ਬਣਾ ਅਤੇ ਪਾਲਣਾ ਕਰ ਸਕਦੇ ਹਨ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜਾਣਕਾਰੀ ਵਾਲੇ ਜੋਖਮ ਖੋਜਕਾਰਾਂ ਨੂੰ ਹੋਰ ਵਿਗਿਆਨੀਆਂ ਨਾਲ ਡਾਟਾ ਸਾਂਝੇ ਕਰਨ ਤੋਂ ਨਹੀਂ ਰੋਕ ਸਕਦਾ.