Що таке приватність і чому це важливо?

Конфіденційність даних і анонімізація в Python

Rebeca Gonzalez

Data engineer

Скандал Facebook і Cambridge Analytica

Вплив захисту даних

  • Несанкціонований доступ до персональних даних 87 мільйонів людей
  • Побудова психологічних профілів виборців у США
  • Вплив на них під час політичних кампаній

Марк Цукерберґ у суді, наслідки невиконання вимог щодо приватності даних

Конфіденційність даних і анонімізація в Python

Що таке приватність?

Люди йдуть вулицею

Конфіденційність даних і анонімізація в Python

Потік інформації та приватність

Система розпізнавання облич застосована до обличчя жінки на вулиці, водночас над її головою значок GPS

Конфіденційність даних і анонімізація в Python

Потік інформації та приватність

  • Як поширюються ваші персональні дані

 

«Здатність забезпечити такі потоки інформації, що відповідають соціальним і правовим нормам.»

Система розпізнавання облич застосована до обличчя жінки на вулиці, водночас над її головою значок GPS

Конфіденційність даних і анонімізація в Python

Персональні ідентифікаційні дані (PII)

Дані, які самі по собі або разом з іншими релевантними даними можуть ідентифікувати особу.

Паперова форма з полями для персональних даних і ручка

Конфіденційність даних і анонімізація в Python

Конфіденційні PII

  • Однозначно стосуються конкретної особи
  • Розголошення може завдати шкоди, спричинити сором або незручності

Малюнок чоловіка з вікнами, що показують нібито його персональні дані

Конфіденційність даних і анонімізація в Python

Конфіденційні PII

  • Повне імʼя
  • Social Security Number (SSN)
  • Фінансова інформація
  • Медичні записи

Зображення GDPR з максимальними штрафами за недотримання регламенту

Конфіденційність даних і анонімізація в Python

Неконфіденційні PII

Дані, які самі по собі не дають змоги відстежити особу

  • Стать
  • Професія
  • Поштовий індекс
  • Місто народження
Конфіденційність даних і анонімізація в Python

Неконфіденційні PII

Дані, які самі по собі не дають змоги відстежити особу, як-от стать, професія, поштовий індекс чи місто народження.

  • Стать
  • Професія
  • Поштовий індекс
  • Місто народження
Але в поєднанні з іншими даними можуть ідентифікувати людину!

Текст «Голова уряду в Європі» і дата народження, з лініями до обличчя Ангели Меркель

1 Фото Ангели Меркель з Wikimedia Commons.
Конфіденційність даних і анонімізація в Python

GDPR: Загальний регламент ЄС про захист даних

Захищає PII людей, які проживають у Європі або чиї дані там обробляють.

Основні принципи GDPR

  1. Законність, справедливість і прозорість
  2. Обмеження мети
  3. Мінімізація даних
  4. Точність
  5. Обмеження зберігання

Детальніше тут

Зображення GDPR з максимальними штрафами за недотримання регламенту

Конфіденційність даних і анонімізація в Python

Придушення даних

Вилучення вибраної інформації для захисту приватності субʼєктів.

Придушення атрибутів
  • Повне вилучення стовпців
Придушення клітинок/записів
  • Видалення або заміна даних у рядках чи клітинках
Конфіденційність даних і анонімізація в Python

Придушення атрибутів у наборі даних

# 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...
Конфіденційність даних і анонімізація в Python

Придушення записів у наборі даних

# 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
Конфіденційність даних і анонімізація в Python

Придушення записів у наборі даних

# 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
Конфіденційність даних і анонімізація в Python

Придушення і атаки через звʼязування даних

Зображення двох таблиць: ліворуч — медичні дані після придушення атрибутів, праворуч — реєстр виборців із частково тими самими даними

Конфіденційність даних і анонімізація в Python

Давайте потренуємось!

Конфіденційність даних і анонімізація в Python

Preparing Video For Download...