Diferentsiaalne privaatsus: küberturvalisuse valge müra

• Autor:
• autori nimi

  Quantumrun Foresight
• Detsember 17, 2021

Ülevaate kokkuvõte

Diferentsiaalne privaatsus, meetod, mis tekitab kasutajaandmete kaitsmisel teatud ebakindluse taseme, muudab andmete käitlemise viisi erinevates sektorites. See lähenemisviis võimaldab hankida olulist teavet ilma isikuandmeid kahjustamata, mis toob kaasa potentsiaalse nihke andmete omandiõiguses, kus üksikisikutel on oma teabe üle suurem kontroll. Erineva privaatsuse kasutuselevõtul võib olla laiaulatuslik mõju, alates õigusaktide ümberkujundamisest ja õiglase esindatuse edendamisest andmepõhiste otsuste tegemisel kuni andmeteaduse innovatsiooni stimuleerimiseni ja uute võimaluste loomiseni küberjulgeoleku valdkonnas.

Erinev privaatsuskontekst

Praegused infrastruktuurid töötavad suurandmetel, mis on suured andmekogumid, mida valitsused, akadeemilised teadlased ja andmeanalüütikud kasutavad, et avastada mustreid, mis aitavad neil strateegilisi otsuseid langetada. Süsteemid võtavad aga harva arvesse võimalikke ohte kasutajate privaatsusele ja kaitsele. Näiteks on suured tehnoloogiaettevõtted, nagu Facebook, Google, Apple ja Amazon, tuntud andmetega seotud rikkumiste poolest, millel võivad olla kahjulikud tagajärjed kasutajaandmetele mitmes keskkonnas, näiteks haiglates, pankades ja valitsusasutustes. 

Nendel põhjustel keskenduvad arvutiteadlased uue andmete salvestamise süsteemi väljatöötamisele, mis ei riku kasutajate privaatsust. Diferentsiaalne privaatsus on uus meetod Internetis salvestatud kasutajaandmete kaitsmiseks. See toimib, lisades andmete kogumise protsessi teatud taseme hajameelsusele või valgele mürale, mis takistab kasutaja andmete täpset jälgimist. See lähenemisviis annab ettevõtetele kõik olulised andmed ilma isiklikku teavet avaldamata.

Erineva privaatsuse matemaatika on olnud kasutusel alates 2010. aastatest ning Apple ja Google on selle meetodi viimastel aastatel juba kasutusele võtnud. Teadlased koolitavad algoritme, et lisada andmekogule teadaolev protsent ebaõigest tõenäosusest, et keegi ei saaks teavet kasutajani jälgida. Seejärel saab algoritm hõlpsalt lahutada tegelike andmete saamise tõenäosuse, säilitades samal ajal kasutaja anonüümsuse. Tootjad saavad kas installida kasutaja seadmesse kohaliku diferentsiaalprivaatsuse või lisada selle pärast andmete kogumist tsentraliseeritud diferentsiaalprivaatsusena. Tsentraliseeritud diferentseeritud privaatsust ohustab aga endiselt rikkumine allikas. 

Häiriv mõju

Kuna rohkem inimesi saab teadlikuks erinevast privaatsusest, võivad nad nõuda suuremat kontrolli oma andmete üle, mis toob kaasa nihke selles, kuidas tehnoloogiaettevõtted kasutajateavet käitlevad. Näiteks võib üksikisikutel olla võimalus kohandada oma andmete privaatsuse taset, mis võimaldab neil tasakaalustada isikupärastatud teenuste ja privaatsuse vahel. See suundumus võib viia andmete omandiõiguse uude ajastusse, kus üksikisikud saavad oma andmete kasutamise osas kaasa rääkida, edendades digitaalmaailmas usaldust ja turvatunnet.

Kuna tarbijad muutuvad privaatsusteadlikumaks, võivad andmekaitset eelistavad ettevõtted meelitada rohkem kliente. See aga tähendab ka seda, et ettevõtted peavad investeerima diferentseeritud privaatsussüsteemide arendamisse, mis võib olla märkimisväärne ettevõtmine. Lisaks võib ettevõtetel tekkida vajadus liikuda rahvusvaheliste privaatsusseaduste keerulises maastikus, mis võib viia paindlike privaatsusmudelite väljatöötamiseni, mida saab kohandada erinevate jurisdiktsioonidega.

Valitsuse poolel võib erinev privaatsus muuta avalike andmete käitlemise revolutsiooniliseks. Näiteks võib erineva privaatsuse kasutamine loendusandmete kogumisel tagada kodanike privaatsuse, pakkudes samas poliitika kujundamiseks täpseid statistilisi andmeid. Siiski võib valitsustel olla vaja kehtestada selged eeskirjad ja standardid erineva privaatsuse jaoks, et tagada selle nõuetekohane rakendamine. See areng võib viia avalike andmete haldamisel rohkem privaatsusele keskenduva lähenemisviisini, edendades läbipaistvust ja usaldust kodanike ja nende vastavate valitsuste vahel. 

Erineva privaatsuse tagajärjed

Erineva privaatsuse laiemad tagajärjed võivad hõlmata järgmist: 

• Konkreetsete kasutajaandmete puudumine heidutab ettevõtteid neid jälgimast ja vähendab sihitud reklaamide kasutamist sotsiaalmeedias ja otsingumootorites.
• Laiema tööturu loomine küberjulgeoleku pooldajatele ja ekspertidele. 
• Õiguskaitseasutustele kättesaadavate andmete puudumine kurjategijate jälgimiseks, mis viib aeglasema vahistamiseni. 
• Uued õigusaktid, mis toovad kaasa rangemad andmekaitseseadused ja võivad valitsuste, ettevõtete ja kodanike suhteid ümber kujundada.
• Kõigi rühmade õiglane esindatus andmepõhiste otsuste tegemisel, mis toob kaasa õiglasema poliitika ja teenuste.
• Andmeteaduse ja masinõppe innovatsioon, mis viib uute algoritmide ja tehnikate väljatöötamiseni, mis võivad andmetest õppida ilma privaatsust kahjustamata.

Küsimused, mida kaaluda

• Kas arvate, et suured tehnoloogiaettevõtted saavad oma ärimudelitesse täielikult kaasata erineva privaatsuse? 
• Kas usute, et häkkerid suudavad lõpuks ületada uued erinevad privaatsusbarjäärid sihtandmetele juurdepääsu saamiseks?