6.6.2 کي سمجهڻ ۽ معلومات جي خطري کي منظم ڪرڻ

معلومات جي خطري کي سماجي تحقيق ۾ سڀ کان وڌيڪ عام خطري آهي. ان dramatically وڌي رهيو آهي. ۽ ان کي سمجهڻ لاء ان جي سڀ کان خطري آهي.

سماجي عمر ڊجيٽل تحقيق لاء ٻيو اخلاقي چئلينج معلومات خطري، معلومات جي ظاهر ڪرڻ کان ڏک لاء امڪاني آھي (Council 2014) . ذاتي معلومات جي ظاهر ڪرڻ کان معلومات حاصل نقصانن اقتصادي ٿي سگهي ٿو (مثال طور، هڪ نوڪري کي ٻاڏايائين ته)، سماجي (مثال طور، embarrassment)، (، مثال طور غير قانوني رويي جي لاء گرفتاري) نفسياتي (مثال طور، بيدل)، يا اڃا فوجداري. افسوس، جو ڊجيٽل عمر وڌائي معلومات خطري dramatically-اتي اسان جي رويي جي باري ۾ صرف ايترو گهڻو وڌيڪ معلومات آهي. ۽، معلومات حاصل خطري تمام ڏکيو ثابت ڪري ڇڏيو آهي سمجهڻ ۽ مول آهي ته جيئن ته جسماني خطري جي طور تي اينالاگ عمر سماجي تحقيق ۾ ڏک، هئا جي مقابلي ۾ منظم ڪرڻ. ڪيئن ڊجيٽل عمر معلومات خطري کي وڌائي ٿو ڏسي، اليڪٽرانڪ طبي ريڪارڊ پيپر کان ٺاٿو ٻڌ. رڪارڊ جي ٻنهي قسمن جي خطرن ٺاهي، پر اليڪٽرانڪ رڪارڊ گهڻو وڏو مول پيدا ڇاڪاڻ ته هڪ تمام وڏا پيماني تي اهي هڪ غير معياري پارٽي ڏانهن منتقل ڪري سگهجي ٿو يا ٻين حوالن سان ملائي. جي ڊجيٽل عمر ۾ سماجي تحقيق اڳ ۾ ئي ڇو ته اهي پوريء طرح سمجهي نه ڪيو quantify کي منظم ڪرڻ ۽ ان جي حصي ۾، معلومات جي خطرن سان مصيبت ۾ هلائي آهن. پوء، مون کي معلومات حاصل خطري جي باري ۾ سوچيو لاء مددگار واٽ توبهه ڪرڻ وارو آهيان، ۽ پوء آء اوهان کي ڪيئن پنهنجي تحقيق ۾ ۽ ٻين تي تحقيق ڪرڻ لاء ڊيٽا releasing ۾ معلومات حاصل خطري کي منظم ڪرڻ جي لاء ڪي صلاح ڏيڻ وارو آهيان.

هڪ طريقو آهي ته سماجي تحقيق معلومات خطري ضايع ڊيٽا جي "anonymization" آهي. "Anonymization" جي انگن اکرن کان جيئن ته نالو، پتي، ۽ ٽيلي فون نمبر طور تي پڌرو ذاتي سڃاڻڻ وڃڻ جي عمل آهي. تنهن هوندي به، هن اچڻ کان گهڻو گهٽ اثر کان ڪيترن ئي ماڻهن جو احساس آهي، ۽ ان کي، آهي حقيقت ۾، تمام گهڻي ۽ بنيادي طور محدود. اهو ئي سبب آهي، جڏهن مون کي بيان "anonymization،" مون کي Quotation ڏيندو پيشانين استعمال اوھان کي نصيحت ڪرڻ لاء ته هن عمل کي ٻڌائڻ جي پر نه سچي نه ٻڌائڻ جي ظاهر پيدا ويندس.

"anonymization" جي ناڪامي جو هڪ وشد مثال Massachusetts ۾ شهيد 1990s کان اچي (Sweeney 2002) . گروپ بيمه ڪميشن (GIC) هڪ حڪومت ايجنسي سڀ رياست ملازمن کي صحت انشورنس جي خريداري لاء ذميوار هو. هن ڪم جي ذريعي، سنڌ جي GIC رياست ملازمن جي هزارين جي باري ۾ تفصيلي صحت رڪارڊ گڏ. صحت کي بهتر ڪرڻ جي طريقن جي باري ۾ تحقيق آخري حصو ڪرڻ جي ڪوشش ۾، GIC تي تحقيق ڪرڻ لاء انهن حوالن کي آزاد ڪرڻ جو فيصلو ڪيو. تنهن هوندي به، اهي انهن جي ڊيٽا جي موڪليل حصيداري نه ڪيو؛ بلڪه، اهي اهڙي نالو ۽ پتو معلومات هٽائيندي "گمنام" ان کي. تنهن هوندي به، اهي ٻئي معلومات اھي جهڙوڪ ڊيموگرافڪ معلومات طور تي تحقيق لاء ڪارائتو ٿي سگهي ٿو ڪيان ته (زپ ڪوڊ، ڄمڻ جي تاريخ، نسب، ۽ جنسي) ۽ طبي معلومات (دوري ڊيٽا، diagnosis، طريقيڪار) (شڪل 6.4) ڏانهن روانو ٿيو (Ohm 2010) . بدقسمتي سان، هن "anonymization" جي انگن اکرن کي بچائڻ لاء ڪافي نه هو.

شخصيت 6،4: "Anonymization" ڏٺل وڃڻ معلومات شناخت جي عمل آهي. مثال طور، سنڌ جي Massachusetts گروپ بيمه ڪميشن جڏھن رياست جي ملازمن جي ميڊيڪل انشورنس رڪارڊ releasing (GIC) جي فائلون کان نالو ۽ پتو ڪڍي ڇڏيا. مون کي اهو لفظ "anonymization" آس پاس جي حوالن کي استعمال ڇو ته عمل نه ٻڌائڻ جي ظاهر حقيقي گوشهء مهيا ڪري، پر نه.

جي GIC "anonymization" جي shortcomings بيان ڪرڻ، Latanya سوين-پوء MIT-ڏنا $ 20 تي هڪ گريجوئيٽ شاگرد شاعري، Massachusetts گورنر وليم Weld جي hometown جي شهر کان ووٽنگ رڪارڊ حاصل ڪرڻ جي. اهي ووٽنگ رڪارڊ جيئن ته نالو، ايڊريس، زپ ڪوڊ، ڄمڻ جي تاريخ، ۽ جنس جي حيثيت ۾ معلومات شامل آهن. اها حقيقت آهي ته ميڊيڪل ڊيٽا فائل ۽ ووٽر فائيل شعبن-زپ ڪوڊ، ڄمڻ جي تاريخ، ۽ جنسي-مطلب ته سوين کين ڪڙي ٿي سگهي ٿو گڏيل. سوين ڄاڻن ته Weld جي جنس 31 جولاء 1945 ع هو، ۽ ووٽنگ رڪارڊ ته جنس سان شاعري ۾ صرف ڇهه ماڻهو شامل آهن. وڌيڪ، تن کي ڇهه ماڻهو جي، صرف ٽي مرد هئا. ۽، جن مان ٽي ڄڻا، صرف هڪ Weld جي زپ ڪوڊ گڏيل. اهڙيء طرح، جو ووٽ ڊيٽا ته جنم جي تاريخ جي Weld جي ميلاپ سان ميڊيڪل ڊيٽا، جنس، ۽ زپ ڪوڊ ۾ ڪنهن وليم Weld هو پهتا. ذات ۾، معلومات جي انهن ٽن ٽڪر جي انگن اکرن ۾ کيس هڪ منفرد فنگر لڳايا. هن حقيقت کي استعمال ڪندي، سوين Weld جي طبي رڪارڊ لڳائڻ لاء، ۽ کيس سندس جادو آندائون جي سڌ ڪرڻ جي قابل هو، ته هوء کيس پنهنجي رڪارڊ جي هڪ ڪاپي ٽپال (Ohm 2010) .

شخصيت 6،5: ٻيهر idenification "گمنام" جي انگن اکرن جي. Latanya سوين امان جي گورنر وليم Weld جي طبي رڪارڊ سٽ ۾ ووٽنگ جي حوالن سان "گمنام" صحت جي رڪارڊ ٿيل (Sweeney 2002) .

سوين جي ڪم من-anonymization حملن جي بنيادي ڍانچي جي علامت آهي -to جي ڪمپيوٽر جي سيڪيورٽي برادري مان هڪ مدت بڻائيندا. انهن حملن ۾، ٻه ڊيٽا کي بيان ڪري ٿو، جنهن جي ۽ نڪي پاڻ کي پاران حساس معلومات کي روشن ڪري، فدا آهن، ۽ هن linkage ذريعي، حساس معلومات نقاب آهي. ڪجهه صورتن ۾ هن عمل جي واٽ ته سوڍا ۽ vinegar بيڪري، ٻه پدارٿن ته پاڻ جي محفوظ آهن، هڪ nasty ڪالهه پيدا ڪرڻ لاء گڏ ٿيل ڪري سگهجي ٿو سان ملندڙ جلندڙ آهي.

سوين جي ڪم، ۽ ٻين لاڳاپيل ڪم جي جواب ۾، تحقيق هاڻي عام طور گهڻو وڌيڪ معلومات-سڀ پوء (PII) سڏيو "ذاتي شناخت ڪندڙ معلومات" جي لاھڻ (Narayanan and Shmatikov 2010) جي عمل -during ڪيترائي تحقيق هاڻي "anonymization." کانسواء، غير قانوني رويي-آهي شايد ڪڏهن به پوء ڇڏڻ لاء تمام حساس جي باري ۾ سوال سروي ڪرڻ لاء ته ڪجهه ڊيٽا-جيئن ته طبي ريڪارڊ، مالي رڪارڊ، جواب جيئن جو احساس "anonymization." تنهن هوندي به، وڌيڪ تازو مثال آهي ته مون کي هيٺ بيان ويندس مان صاف ظاهر آهي ته سماجي تحقيق ڪرڻ جي ضرورت آهي سندن سوچ تبديل ڪري. هڪ پهرين قدم طور تي، اهو فرض آهي ته سڀ ڊيٽا ممڪنه ڄاڻڻ آهي ۽ سڀني ڊيٽا ممڪنه حساس آهي حڪمت وارو آھي. ٻين لفظن ۾، بلڪه سوچ آهي ته معلومات خطري منصوبن جي هڪ ننڍي subset کي لاڳو جي ڀيٽ ۾، اسان جو فرض ڪرڻ گهرجي ته ان کي لاڳو-ڪرڻ لاء ڪي وڏا-ڪرڻ لاء سڀني منصوبن.

هن ٻيهر تعارفي جي ٻئي پهلو جي Netflix انعام جي illustrated آهن. باب 5 ۾ بيان ڪيو ويو، Netflix 100 ملين فلم لڳ ڀڳ 500.000 ميمبرن طرفان مهيا ڪيل تحريرون آزاد ڪيو، ۽ هڪ کليل سڏ جتي سڀني کي دنيا جي حوالي کان ماڻهن کي پيش algorithms ته Netflix جي فلم جي صلاح ڪرڻ جي صلاحيت کي بهتر ڪري سگهي پئي. ڊيٽا releasing کان اڳ، Netflix اهڙي نالن جي طور تي ڪنهن به ڏٺل ذاتي-شناخت ڪندڙ معلومات ڇڏيا،. Netflix به هڪ اضافو قدم ويو ۽ رڪارڊ جي ڪي ۾ معمولي perturbations متعارف (مثال طور، 3 تارن کي 4 تارن مان ڪي درجابندي بدلجندڙ). Netflix جلد کي دريافت ڪيو، تنهن هوندي به، ته انهن جي ڪوششن جي باوجود، ڊيٽا کي ڪو به وسيلو گمنام پاران هئا.

بس، ٻن هفتن کان پوء جي ڊيٽا جاري ڪيا ويا Narayanan and Shmatikov (2008) آهي ته ان کي خاص ماڻهن جي فلمن جي ترجيحات جي باري ۾ سکڻ لاء ممڪن هو پهتا. سندن ٻيهر سڃاڻپ حملي ڪرڻ لاء سنڌ جي چال سوين جي لاء اهڙي طرح هو: گڏجي ملن ٻه معلومات ذريعن، ممڪنه حساس ڄاڻ ۽ ڪو به ڏٺل شناخت ڪندڙ معلومات ۽ هڪ ته ماڻهن جي سڃاڻپ تي مشتمل سان هڪ. انهن انگن اکرن ذريعن جو هر انفرادي طور محفوظ ٿي سگهن ٿا، پوء جنھن مھل (اھي) گڏ ٿيل آهن جنهن کي ملائي dataset معلومات خطري پيدا ڪري سگهي ٿو. جي Netflix ڊيٽا جي صورت ۾، هتي ان کي ڪيئن ايڏو وڏو سگهي آهي. تصور آهي ته مون کي منهنجي شريڪ ڪارڪنن سان عمل ۽ مسخري جي فلم جي باري ۾ منهنجي سوچون ونڊ ڪري سگهن ٿا، پر مون کي مذهبي ۽ سياسي فلم جي باري ۾ منهنجي راء حصيداري ڪرڻ نه پيارو آهي. اي منھنجا شريڪ ڪارڪنن جي ڄاڻ آهي ته مون کي انھن سان گڏيل وڃان استعمال جي Netflix جي انگن اکرن ۾ منهنجو رڪارڊ ڏسي ڪري سگهي ٿو. معلومات ته مون کي حصيداري صرف وليم Weld جي پيدائش جي تاريخ، زپ ڪوڊ، ۽ جنسي وانگر هڪ منفرد فنگر ٿي سگهي ٿو. پوء جيڪڏھن (اھي) جي انگن اکرن ۾ منهنجو منفرد فنگر ڏسي، ته اهي منهنجي درجابندي فلمون جتي مون کي حصيداري ڪرڻ نه چونڊيو سميت سڀني فلمون، جي باري ۾ معلوم ٿئي ٿو ڪري سگهي. ھڪ شخص تي روشني وڌي نشانو بڻايو حملي جي هن قسم ڪرڻ کان سواء، Narayanan and Shmatikov (2008) پڻ پهتا ته ان کي هڪ وسيع حملي -one ڪيترن ئي ماڻهن-جي ذاتي ۽ فلم جو رتبو ڊيٽا سان Netflix ڊيٽا جذب پذيري ڪجهه ته جٽادار ڪندا ممڪن هو ماڻهن کي انٽرنيٽ فلم ڊيٽابيس (آءي) تي تحرير کي پسند ڪيو آهي. ڪنهن به معلومات کي هڪ مخصوص ماڻهو-به فلم درجابندي-سگهو ٿا انھن جي نشاندهي ڪرڻ لاء استعمال ڪيو ويندو آهي جو ان جي سڌاري لاء منفرد فنگر آهي ته.

جيتوڻيڪ هن Netflix ڊيٽا يا هڪ ٽارگيٽ يا وسيع حملي ۾ ٻيهر سڃاڻپ ڪري سگهجي ٿو، ان کي اڃا به گهٽ خطري ٿي ظاهر ٿئي. سڀ کان پوء، فلم درجابندي تمام حساس لڳي نه ڪندا آھن. ته عام ۾ سچو ٿي سگهي ٿي، جڏهن ته، سنڌ جي dataset ۾ 500.000 ماڻهن جي ڪجهه لاء، فلم درجابندي ڪافي حساس ٿي ٿئي. حقيقت ۾، سنڌ جي من-anonymization جي جواب ۾ هڪ closeted پرست عورت Netflix جي خلاف هڪ ڪلاس-ڪارروائي مناسبت ٻيلي. هتي ڪيئن مسئلو سندن lawsuit ۾ اظهار ڪيو ويو آهي (Singel 2009) :

"[م] ovie ۽ رتبو ڊيٽا کي هڪ کان وڌيڪ انتهائي ذاتي ۽ حساس طبيعت جي معلومات [sic] تي مشتمل آهي. سنڌ جي ميمبر جي فلم ڊيٽا هڪ Netflix ميمبر جي ذاتي دلچسپي exposes ۽ / يا پرستي، دماغي بيماري، شراب کان وصولي، ۽ هيٺ ڏجن ٿا incest، جسماني گار، گهريلو تشدد، ڌارئي، ۽ ريپ کان سميت مختلف انتهائي ذاتي مسئلن، سان struggles. "

جي Netflix انعام ڊيٽا جي من-anonymization ٻنهي آهي ته سڀ ڊيٽا ممڪنه ڄاڻڻ آھي ۽ ته سڀ ڊيٽا ممڪنه حساس آهي جي علامت آهي. هن موقعي تي، توکي خيال ٿئي ٿو ته هن فقط ته ماڻهن جي باري ۾ ٿي purports ڊيٽا کي لاڳو ٿئي ٿو. ماٿيلي، ته ائين نه آهي. معلومات شريعت جي درخواست جي آزادي جي جواب ۾، سنڌ جي نيو يارڪ شهر جي حڪومت 2013 ع ۾ نيو يارڪ ۾ هر ٽيڪسي سواري جو رڪارڊ ڇڏيا، جي pickup شامل آهن ۽ ڀيرا، جڳهيون، ۽ ڀتو مقدار بوند بند ٿي (پگهار باب 2 کان ته Farber (2015) پورهيو معاشيات ۾ اهم شادي ڪرائي پرکي هن ڊيٽا استعمال ڪيو). جيتوڻيڪ ٽيڪسي شغل جي باري ۾ هن ڊيٽا بنائن لڳي سگهي ٿي، ڇو ته ان قوم جي باري ۾ معلومات ٿي نه ٿو لڳي، Anthony Tockar ڳالهه آهي ته هن ٽيڪسي dataset اهڙو ماڻهو جي باري ۾ ممڪنه حساس معلومات جي پکو موجود. بيان ڪرڻ لاء، هن چيو ته سڀ شغل ۾ أقول هن Hustler ڪلب-هڪ وڏو پٽي نئون ۾ ڪلب يارڪ-جي وچ ۾ آڌي رات ۽ 6am تي ٿيندڙ ۽ پوء انهن جي بوند-بند جڳهين مليو. هن جي ڳولا نازل-۾ ذات-هڪ ڪجهه ماڻهن جو Hustler ڪلب آڏو مظاهرا جي پتا جي فهرست (Tockar 2014) . اهو تصور ڪرڻ جي شهر ۾ حڪومت جي ذهن ۾ هن پيو آهي ته جڏهن ان ڊيٽا کي آزاد سخت آهي. حقيقت ۾، هن ساڳي ٽيڪنڪ قوم جي شهر-هڪ ميڊيڪل ڪلينڪ، هڪ حڪومت جي عمارت، يا هڪ مذهبي اداري ۾ ڪنهن به جڳهه جو دورو جي گهر جا پتا سٽ ڪرڻ لاء استعمال ٿي سگهي ٿو.

انهن ٻنهي حالتن-جي Netflix انعام ۽ نيو يارڪ شهر ٽيڪسي ڊيٽا-نظر ته نسبتا ماهر ماڻهو صحيح ڊيٽا ۾ معلومات حاصل خطري آهي ته اهي آزاد اندازي ڪرڻ ۾ ناڪام ٿي، ۽ اهي ڪيس آهن في الحال جي مطلب ڌار (Barbaro and Zeller Jr 2006; Zimmer 2010; Narayanan, Huey, and Felten 2016) . وڌيڪ، اهي ڪيس جي ڪيترن ئي ۾، هن سگهندي ڊيٽا اڃا وڻيو موجود آن لائن ڪڏهن هڪ ڊيٽا ڇڏڻ ميثاق جي اوکائي اهو ظاهر آهي،. جو مجموعو انهن مثالن-گڏو گڏ هڪ اهم ٿڪل رازداري-سامهون آيو جي باري ۾ ڪمپيوٽر سائنس ۾ تحقيق. تحقيق فرض ڪرڻ گهرجي ته سڀ ڊيٽا ممڪنه ڄاڻڻ آهي ۽ سڀني ڊيٽا ممڪنه حساس آهي.

افسوس، اتي جي حقيقت اها آهي ته سڀ ڊيٽا ممڪنه ڄاڻڻ آهي ۽ سڀني ڊيٽا ممڪنه حساس آهي جو ڪو به سادو حل آهي. تنهن هوندي به، هڪ واٽ معلومات خطرن جي خاتمي لاء جڏهن توهان جي انگن اکرن سان ڪم ڪري رهيا آهن ٺاهي ۽ هڪ جو ڊيٽا محفوظ ڪندڙ رٿ جي پيروي ڪرڻ آهي. هن رٿ جو موقعو آهي ته توهان جي ڊيٽا ليک ويندو ۽ جيڪڏهن هڪ ليک اهڙو وٺندي آهي ته ڏک لهندي گھڻي قدر ٿيندو. محفوظ منصوبن، محفوظ ماڻهن جهڙوڪ: جنهن بچاء ڪوڊنگ کي استعمال ڪرڻ جي صورت جيئن جو ڊيٽا محفوظ ڪندڙ منصوبي جي طور تي، ان وقت جي حوالي سان تبديل ٿيندو، پر برطانيا جي ڊيٽا خدمتون helpfully 5 ڀاڱا ته اهي 5 safes سڏ ۾ هڪ ڊيٽا محفوظ ڪندڙ رٿ جي عنصرن کي منظم ڪري ، محفوظ جوڙ، محفوظ ڊيٽا، ۽ محفوظ نتيجا (ٽيبل 6.2) (Desai, Ritchie, and Welpton 2016) . پنجن safes جو ڪو انفرادي ڀرپور تحفظ فراهم ڪيو. پر، گڏجي اهي عنصر آهي ته معلومات جي خطري کي ضايع ڪري سگهي ٿو جو هڪ طاقتور مقرر بڻجي.

جڏهن ته توهان ان کي استعمال ڪري رهيا آهن، توهان جي ڊيٽا کي محفوظ ڪرڻ کان سواء، سنڌ جي تحقيق جي عمل ۾ جتي معلومات خطري خاص نقطا آهي ۾ هڪ قدم ٻين تحقيق سان ڊيٽا شيئرنگ آهي. سائنسدانن مان ڊيٽا شيئرنگ جي علمي سعيو جو هڪ بنيادي اهميت حاصل آهي، ۽ ان کي وڏي سهولتون علم جي ايڊوانسمينٽ. هتي ڪيئن Commons جي برطانيا هائوس ۾ ڊيٽا شيئرنگ جي اهميت کي بيان ڪيو آهي:

"کي معلومات تائين رسائي بنيادي جيڪڏھن تحقيق، ٻيهر تصديق ۽ نتيجن آهي ته ادب ۾ ٻڌايو ته آهن تي تعمير ڪرڻ آهي. جو مقصد هوندو آهي ته، جيستائين سنڌ جو هڪ مضبوط سبب ٻي صورت ۾ آهي، ڊيٽا کي پوريء طرح ظاهر ڪيو وڃي ۽ عوامي موجود ڪيو. هن اصول، جتي جي لحاظ کان، سڀ عوامي جي بدولت تحقيق سان لاڳاپيل ڊيٽا کي وڏي پيماني تي ڪيو وڃي ۽ وڻيو موجود سان قطار ۾. " (Molloy 2011)

اڃان، هڪ ٻئي محقق سان توهان جي ڊيٽا حصيداري جي، تون معلومات خطري پنهنجي ڌرين ڏانهن وڌندا ٿي سگهي ٿو. اهڙيء طرح، ان وقت لڳي سگهي ٿو ته تحقيق جيڪي سندن حصيداري ڪرڻ جي خواهش ڊيٽا-يا ان جي حصيداري ڪري دعا گهري رهيا آهن هڪ بنيادي علي زرداري کي منهن ڊيٽا-آهن. هڪ پاسي اهي ٻين سائنسدانن سان گڏ انهن جي ڊيٽا حصيداري ڪرڻ لاء هڪ اخلاقي جا ذميوار آهن، خاص طور تي جيڪڏهن سنڌ جي اصل تحقيق عوامي جي بدولت آهي. اڃان، هڪ ئي وقت ۾، تحقيق گھٽ ڪرڻ لاء هڪ اخلاقي وجوب، جيئن ته گهڻو ممڪن طور تي، سندن ڌرين کي معلومات خطري آهن.

خوشقسمتي، هن dilemma اهو ظاهر ٿئي ٿو ته جيئن جيئن سخت نه آهي. ان ڇڏڻ ۽ وسارڻ لاء، جتي ڊيٽا "گمنام" آهي ۽ (شڪل 6.6) جي رسائي حاصل ڪرڻ لاء هر ڪنهن لاء ڳالهه جو ڪو به ڊيٽا شيئرنگ مان هڪ continuum گڏ ڊيٽا شيئرنگ جي خيال ڪرڻ ضروري آهي. اهي پيريء جاء جي ٻئي مول ۽ فائدا آهن. ته ان کي خود بخود توهان جي ڊيٽا حصيداري نه ڪرڻ جو سڀ کان اخلاقي شيء نه آهي، نه آهي. اهڙي هڪ اچڻ سماج کي ڪيترن ئي امڪاني فائدا کي ختم ڪري. ، مزو لاڳاپن، ۽ وقت، هڪ مثال جي باب ۾ اڳ ڳالهه ٻولهه ريٽرننگ، ڊيٽا کي ڇڏڻ جي خلاف دليل آهي ته ممڪن نقصانن تي رڳو زور ۽ ته ممڪن فائدو نظر انداز بدالئڻ جو هڪ رخا آهن. مون کي هيٺ ۾ وڌيڪ تفصيل ۾ هن هڪ رخا، بدالئڻ جو لان اچڻ سان ئي مسئلا بيان جڏھن مون کي يقيني (سيڪشن 6.6.4) جي منهن ۾ فيصلو بازي جي باري ۾ صلاح پيش ايندي.

شخصيت 6،6: ڊيٽا ڇڏڻ حڪمت هڪ continuum گڏ ڪرندا ڪري سگهو ٿا. ڪٿي توهان کي هن continuum گڏ ٿيڻ گهرجي پنهنجي ڊيٽا جي مخصوص تفصيل تي دارومدار. ان صورت ۾، ٽئين پارٽي جائزو وٺڻ اوھان کي خطري ۽ اوھان جي صورت ۾ سک جو مناسب نظر اچي فيصلو ڪرڻ ۾ مدد ڪري سگهون ٿا.

وڌيڪ، اهي ٻه پيريء ڪيس جي وچ ۾ جيڪي مون کي هڪ چوڌاري باغ اچڻ جتي ڊيٽا ماڻهن جو ڪجهه معيار ملن ٿا ۽ جيڪي ڪجهه اصول (مثال طور، هڪ IRB ۽ هڪ جو ڊيٽا محفوظ ڪندڙ جو منصوبو کان وڏيون) جي پابند ٿيڻ جو اتفاق سان ونڊي ٿو سڏيو ايندي آهي . هن چوڌاري باغ اچڻ ڇڏڻ جو فائدو جي ڪيترن ئي مهيا ڪندو آهي ۽ گهٽ خطري سان وساريو. جي حقيقت، هڪ چوڌاري باغ اچڻ ڪيترن ئي سوالن جا-جو رسائي ڪرڻ گهرجي، جيڪي حالتون، ڪيئن ڊگهي لاء هيٺ، جن کي برقرار رکڻ ۽ پوليس جي چوڌاري باغ ادا ڪرڻ گهرجي وغيره-پر انهن مڃان نه آھن پيدا. حقيقت ۾، اتي جاء تي اڳ ۾ ئي ڪم ڪري چوڌاري باغ ته تحقيق اهڙي سرويچ جي يونيورسٽي ۾ سياسي ۽ سماجي ريسرچ لاء بين الصوبائي-يونيورسٽي ۾ ٺاهيو ويندو جي ڊيٽا کائي جيئن حق هاڻي استعمال ڪري سگهو ٿا، آهن.

پوء، جتي پنهنجو مطالعو کان ڊيٽا في شيئرنگ جي continuum تي، چوڌاري باغ ٿي وڃي، ۽ ڇڏڻ ۽ وسارڻ؟ اهو توهان جي انگن اکرن جي تفصيل تي دارومدار رکي ٿي. تحقيق، ماڻهن لاء عزت نظر اچي هجڻ ضروري آهي نعمتن، جسٽس، ۽ قانون ۽ عوامي شوق لاء عزت. جڏهن ٻين فيصلن لاء مناسب نظر اچي ڇنڊڇاڻ تحقيق جي صلاح ۽ IRBs جي منظوري گھرندا آھن، ۽ ڊيٽا ڇڏڻ بس آهي ته عمل جو هڪ ٻيو حصو ٿي سگهي ٿو. ٻين لفظن ۾، باقي ڪجهه ماڻهو هڪ hopeless اخلاقي morass طور تي ڊيٽا کي ڇڏڻ جو خيال آهي، ته اسان اڳ ۾ ئي نظام جاء تي تحقيق اخلاقي dilemmas جي هنن قسم جي نظر اچي مدد ڪرڻ لاء ڪيو آهي.

ڊيٽا شيئرنگ جي باري ۾ خيال کي هڪ آخري واٽ قياس جي آهي. هر سال ڪارن کي موت جي هزارين جا ذميوار آهن، پر اسان جي رهنمائي پابندي ڪرڻ جي ڪوشش نه ڪندا آھن. حقيقت ۾، اهڙي سڏ رهنمائي حرام ڪري absurd وڃي ها، ڇاڪاڻ ته ڊرائيونگ جي ڪيترن ئي عجيب شيون بڻائي ٿو. بلڪ، سماج جو بيوس ڪري سگهو ٿا تي پابنديون (مثال طور، هڪ مخصوص عمر ٿي، ڪجهه تجربن گذري ويا ڪرڻ جي ضرورت جي ضرورت آهي) ۽ ڪيئن اھي (، مثال طور جي رفتار جي حد کان هيٺ) بيوس ڪري سگهو ٿا جايون. سوسائٽي به عوام کي انهن ضابطن ۾ لاڳو ڪرڻ سان سر کانسواء توتي بار (مثال طور، پوليس جي) آھي، ۽ اسان کي ماڻهن جو انھن جي ڀڃڪڙي پڪڙجي آهن عذاب. متوازن سوچ جي اهڙي ساڳي قسم جو آهي ته سماج جي رهنمائي هلائيدڙ کي لاڳو به ڊيٽا شيئرنگ کي لاڳو ڪري سگهجي ٿو. ته بدران لاء يا خلاف ڊيٽا شيئرنگ ايبسليوٽسٽ دلائل بازي کان وڌيڪ، مون کي خيال آهي ته وڏي فائدا ٻاهر figuring ڪيئن اسان کان وڌيڪ ڊيٽا کي وڌيڪ بچائي حصيداري ڪري سگهن ٿا مان ايندو آهي.

ويچار ڪرڻ لاء، معلومات حاصل خطري dramatically وڌي وئي آهي، ۽ ان کي گوئي ۽ quantify کي تمام ڏکي آهي. تنهن ڪري، ان کي فرض آهي ته سڀ ڊيٽا ممڪنه ڄاڻڻ ۽ ممڪنه حساس آهي بهترين آهي. معلومات جي خطري کي ضايع ڪرڻ، جڏهن ته تحقيق ڪندي، تحقيق ٺاهي ۽ هڪ جو ڊيٽا محفوظ ڪندڙ رٿ جي تابعداري ڪري سگهو ٿا. وڌيڪ، معلومات جي خطري کي ٻين سائنسدانن سان ڊيٽا حصيداري کان تحقيق کي روڪڻ ۾ نه ايندي آهي.