Ce este privat și de ce contează?

Confidențialitatea datelor și anonimizarea în Python

Rebeca Gonzalez

Data engineer

Scandalul Facebook și Cambridge Analytica

Impactul confidențialității datelor

  • Acces neautorizat la datele personale ale 87 de milioane de persoane
  • Crearea de profiluri psihologice ale alegătorilor americani
  • Influențarea acestora în campanii politice

Mark Zuckerberg în fața instanței pentru nerespectarea drepturilor privind confidențialitatea datelor

Confidențialitatea datelor și anonimizarea în Python

Ce este confidențialitatea?

Oameni care merg pe stradă

Confidențialitatea datelor și anonimizarea în Python

Fluxul informațiilor și confidențialitatea

Sistem de recunoaștere facială aplicat feței unei femei pe stradă, cu o iconiță GPS deasupra capului

Confidențialitatea datelor și anonimizarea în Python

Fluxul informațiilor și confidențialitatea

  • Modul în care circulă informațiile dvs. personale

 

„Capacitatea de a asigura fluxuri de informații care respectă normele sociale și legale."

Sistem de recunoaștere facială aplicat feței unei femei pe stradă, cu o iconiță GPS deasupra capului

Confidențialitatea datelor și anonimizarea în Python

Informații de identificare personală (PII)

Date care, folosite singure sau împreună cu alte date, pot identifica o persoană.

Formular pe hârtie cu spațiu pentru informații personale și un stilou

Confidențialitatea datelor și anonimizarea în Python

PII sensibile

  • Se referă clar la o persoană
  • Expunerea poate cauza prejudicii, jenă sau inconveniente

Desen al unui bărbat cu ferestre pop-up ce par să conțină informații personale

Confidențialitatea datelor și anonimizarea în Python

PII sensibile

  • Nume complet
  • Cod numeric personal (CNP)
  • Informații financiare
  • Dosare medicale

Imagine GDPR cu penalitățile maxime pentru nerespectarea reglementărilor

Confidențialitatea datelor și anonimizarea în Python

PII non-sensibile

Date care nu pot fi folosite singure pentru a identifica o persoană

  • Gen
  • Ocupație
  • Cod poștal
  • Oraș de naștere
Confidențialitatea datelor și anonimizarea în Python

PII non-sensibile

Date care nu pot fi folosite singure pentru a identifica o persoană, cum ar fi genul, ocupația, codul poștal sau orașul de naștere.

  • Gen
  • Ocupație
  • Cod poștal
  • Oraș de naștere
Pot fi totuși combinate cu alte informații pentru a identifica o persoană!

Text cu "Șef de guvern în Europa" și o dată de naștere, cu linii care indică fața Angelei Merkel

1 Fotografie a Angelei Merkel preluată de pe Wikimedia Commons.
Confidențialitatea datelor și anonimizarea în Python

GDPR: Regulamentul General privind Protecția Datelor

Protejează PII ale persoanelor care locuiesc sau ale căror date sunt prelucrate în Europa.

Principii cheie ale GDPR

  1. Legalitate, echitate și transparență
  2. Limitarea scopului
  3. Minimizarea datelor
  4. Exactitate
  5. Limitarea stocării

Aflați mai multe

Imagine GDPR cu penalitățile maxime pentru nerespectarea reglementărilor

Confidențialitatea datelor și anonimizarea în Python

Suprimarea datelor

Eliminarea selectivă a informațiilor pentru protejarea confidențialității.

Suprimarea atributelor
  • Eliminarea completă a coloanelor
Suprimarea celulelor/înregistrărilor
  • Eliminarea sau înlocuirea datelor din rânduri sau celule
Confidențialitatea datelor și anonimizarea în Python

Suprimarea atributelor într-un set de date

# 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...
Confidențialitatea datelor și anonimizarea în Python

Suprimarea înregistrărilor într-un set de date

# 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
Confidențialitatea datelor și anonimizarea în Python

Suprimarea înregistrărilor într-un set de date

# 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
Confidențialitatea datelor și anonimizarea în Python

Suprimare și atacuri de corelație

Imagine cu două tabele: în stânga date medicale după suprimare și în dreapta date din registrul electoral cu date comune

Confidențialitatea datelor și anonimizarea în Python

Să exersăm!

Confidențialitatea datelor și anonimizarea în Python

Preparing Video For Download...