O que é privado e por que isso importa?

Privacidade de Dados e Anonimização em Python

Rebeca Gonzalez

Data engineer

Escândalo do Facebook e Cambridge Analytica

Impacto da privacidade de dados

  • Acesso não autorizado aos dados pessoais de 87 milhões de pessoas
  • Construção de perfis psicológicos de eleitores americanos
  • Persuasão durante campanhas políticas

Mark Zuckerberg no tribunal enfrentando as consequências de não cumprir direitos de privacidade de dados

Privacidade de Dados e Anonimização em Python

O que é privacidade?

Pessoas caminhando na rua

Privacidade de Dados e Anonimização em Python

Fluxo de informação e privacidade

Sistema de reconhecimento facial aplicado ao rosto de uma mulher na rua; ao mesmo tempo, um ícone de GPS aparece acima da cabeça dela

Privacidade de Dados e Anonimização em Python

Fluxo de informação e privacidade

  • Como os seus dados pessoais circulam

 

"A capacidade de garantir fluxos de informação que atendam a normas sociais e legais."

Sistema de reconhecimento facial aplicado ao rosto de uma mulher na rua; ao mesmo tempo, um ícone de GPS aparece acima da cabeça dela

Privacidade de Dados e Anonimização em Python

Informações de identificação pessoal (PII)

Dados que, sozinhos ou combinados com outros dados relevantes, podem identificar alguém.

Formulário em papel com espaço para preencher dados pessoais e uma caneta

Privacidade de Dados e Anonimização em Python

PII sensível

  • Claramente sobre alguém
  • A exposição pode causar dano, constrangimento ou incômodo

Desenho de um homem e pop-ups ao redor com o que parecem ser informações pessoais

Privacidade de Dados e Anonimização em Python

PII sensível

  • Nome completo
  • Social Security Number (SSN)
  • Informações financeiras
  • Registros médicos

Imagem do GDPR mostrando as penalidades máximas para quem não cumpre as regulamentações

Privacidade de Dados e Anonimização em Python

PII não sensível

Dados que não podem, sozinhos, rastrear uma pessoa

  • Gênero
  • Ocupação
  • CEP
  • Cidade de nascimento
Privacidade de Dados e Anonimização em Python

PII não sensível

Dados que não podem, sozinhos, rastrear uma pessoa, como gênero, ocupação, CEP ou cidade de nascimento.

  • Gênero
  • Ocupação
  • CEP
  • Cidade de nascimento
Ainda podem, com outros dados, identificar alguém!

Texto dizendo "Chefe de governo na Europa" e uma data de nascimento, com linhas apontando para o rosto de Angela Merkel

1 Foto de Angela Merkel da Wikimedia Commons.
Privacidade de Dados e Anonimização em Python

GDPR: Regulamento Geral de Proteção de Dados da UE

Protege a PII de pessoas que vivem na Europa ou que têm seus dados processados lá.

Princípios-chave do GDPR

  1. Licitude, lealdade e transparência
  2. Limitação de finalidade
  3. Minimização de dados
  4. Exatidão
  5. Limitação de armazenamento

Saiba mais aqui

Imagem do GDPR mostrando as penalidades máximas para quem não cumpre as regulamentações

Privacidade de Dados e Anonimização em Python

Supressão de dados

Remover informações selecionadas para proteger a privacidade dos sujeitos.

Supressão de atributos
  • Remover colunas inteiras
Supressão de células/registros
  • Remover ou substituir dados em linhas ou células
Privacidade de Dados e Anonimização em Python

Supressão de atributos em um conjunto de dados

# Attribute suppression on Sensitive PII "name"
suppressed_salaries = salaries.drop('name', axis="columns")


# Explore obtained dataset
suppressed_salaries.head()

     gender    status    salary     pay_basis    position_title
0    Male    Employee    64400.0    Per Annum    DEPUTY DIRECTOR
1    Male    Employee    43600.0    Per Annum    ASSOCIATE DIRECTOR
2    Male    Employee    120000.0   Per Annum    SPECIAL ASSISTANT TO THE PRESIDENT AND DEPUTY ...
3    Male    Employee    86200.0    Per Annum    LEAD ADVANCE REPRESENTATIVE
4    Male    Employee    106000.0   Per Annum    SPECIAL ASSISTANT TO THE PRESIDENT AND DIRECTO...
Privacidade de Dados e Anonimização em Python

Supressão de registros em um conjunto de dados

# Explore the DataFrame
salaries.head()

      hours    performance    salary 
0     72       51             $80,500.00 
1     20       99             $2,805,000.00 
3     75       62             $75,800.00 
4     74       58             $60,000.00 
5     70       54             $79,000.00
Privacidade de Dados e Anonimização em Python

Supressão de registros em um conjunto de dados

# Drop rows with salaries higher than 2,000,000
salaries = salaries.drop(salaries[salaries.Salary > 2000000].index)

# See reasulting DataFrame
salaries.head()

      hours    performance    salary 
0     72       51             80500 
2     75       62             75800 
3     74       58             60000 
4     70       54             79000 
5     68       53             62000
Privacidade de Dados e Anonimização em Python

Supressão e ataques por vinculação

Imagem mostrando duas tabelas: à esquerda, dados médicos resultantes após a supressão de atributos; à direita, dados de registro de eleitores com algumas das mesmas informações

Privacidade de Dados e Anonimização em Python

Vamos praticar!

Privacidade de Dados e Anonimização em Python

Preparing Video For Download...