Prywatność jako zasada projektowania i technologie zwiększające prywatność

Zrozumieć GDPR

Shalini Kurapati, CIPP/E

Co-founder and CEO, Clearbox AI

Przegląd

  • Prywatność jako zasada projektowania (Privacy by design)
    • Proaktywne podejście systemowe do prywatności
  • Sedno art. 25 RODO
  • Technologie zwiększające prywatność (PETs)
  • Nowe technologie PET
Zrozumieć GDPR

Ochrona danych przez projektowanie i przez domyślne ustawienia

Przez projektowanie

Dłoń osoby rysującej procesy na kartce papieru.

  • Proaktywne podejście systemowe
  • Prywatność wbudowana w procesy i systemy

Przez domyślne ustawienia

Ilustracja wielu ikon reprezentujących ustawienia.

  • Domyślne ustawienia z priorytetem prywatności, minimalizacja danych
  • Oba podejścia mogą wydawać się ogólne i abstrakcyjne, ale istnieją sposoby ich wdrożenia.
Zrozumieć GDPR

Technologie zwiększające prywatność

Czym są PETs?

  • Rozwiązania sprzętowe i programowe, procesy, metody lub wiedza służące ochronie prywatności lub ograniczeniu ryzyka z nią związanego

Powszechnie stosowane PETs:

  • Anonimizacja i pseudonimizacja
  • Szyfrowanie
  • Prywatność różnicowa (nowość)

Najnowsze/wyłaniające się technologie:

  • Dane syntetyczne, uczenie federacyjne
Zrozumieć GDPR

Dane syntetyczne

  • Sztucznie generowane dane

  • Zachowują statystyczną i predykcyjną wartość rzeczywistych danych, chroniąc jednocześnie prywatność

    Ilustracja typowego procesu generowania danych syntetycznych.

1 https://www.jpmorgan.com/synthetic-data
Zrozumieć GDPR

Zastosowania danych syntetycznych

  • Ochrona prywatności i poprawa jakości danych
  • Projekty otwartych innowacji, testowanie modeli AI, piaskownice danych i udostępnianie danych między organizacjami
1 https://www.gartner.com/en/newsroom/press-releases/2022-08-22-gartner-data-analytics-summit-2022-orlando-day-1-highlights
Zrozumieć GDPR

Uczenie federacyjne

Ilustracja procesu uczenia federacyjnego.

  • Zazwyczaj dane muszą opuszczać urządzenie i trafiać na zewnętrzne serwery w celu trenowania modeli AI – nie jest to bezpieczne pod względem prywatności
  • Uczenie federacyjne trenuje modele na zdalnych urządzeniach, zachowując dane lokalnie
  • Transfer modelu zamiast transferu danych
1 P. Kairouz et al, Advances and Open Problems in Federated Learning, Foundations and Trends in Machine Learning Vol 4 Issue 1, 2021.
Zrozumieć GDPR

Przykład uczenia federacyjnego

Ilustracja przykładu uczenia federacyjnego: algorytm przewidywania następnego słowa trenowany na wielu telefonach komórkowych.

1 Li, T., Sahu, A. K., Talwalkar, A., & Smith, V. (2020). Federated learning: Challenges, methods, and future directions. IEEE Signal Processing Magazine, 37(3), 50-60.
Zrozumieć GDPR

Podsumowanie

  • Nie istnieje idealna metoda ani technologia ochrony prywatności
  • Należy uwzględniać zakres i kontekst
  • Proporcjonalność: ryzyko a korzyści
  • Odpowiednie środki na podstawie analizy ryzyka i korzyści
Zrozumieć GDPR

Czas na ćwiczenia!

Zrozumieć GDPR

Preparing Video For Download...