Диференцијална приватност: бели шум сајбер безбедности

• Аутор:
• ime аутора

  Куантумрун Форесигхт
• Декабрь 17, 2021

Сажетак увида

Диференцијална приватност, метод који уводи ниво несигурности за заштиту корисничких података, трансформише начин на који се подацима рукује у различитим секторима. Овај приступ омогућава издвајање битних информација без угрожавања личних података, што доводи до потенцијалне промене у власништву над подацима где појединци имају већу контролу над својим информацијама. Усвајање диференцијалне приватности могло би да има широке импликације, од преобликовања законодавства и промовисања правичне заступљености у одлукама заснованим на подацима, до стимулисања иновација у науци о подацима и стварања нових могућности у сајбер безбедности.

Различити контекст приватности

Тренутне инфраструктуре раде на великим подацима, који су велики скупови података које користе владе, академски истраживачи и аналитичари података да открију обрасце који ће им помоћи у доношењу стратешких одлука. Међутим, системи ретко узимају у обзир потенцијалне опасности за приватност и заштиту корисника. На пример, велике технолошке компаније као што су Фацебоок, Гоогле, Аппле и Амазон су познате по кршењу података које могу имати штетне последице на корисничке податке у више окружења, као што су болнице, банке и владине организације. 

Из ових разлога, компјутерски научници се фокусирају на развој новог система за складиштење података који не нарушава приватност корисника. Диференцијална приватност је нови метод заштите корисничких података који се чувају на интернету. Функционише тако што уводи одређене нивое ометања или белог шума у ​​процес прикупљања података, спречавајући тачно праћење података корисника. Тај приступ обезбеђује корпорацијама све битне податке без откривања личних података.

Математика за диференцијалну приватност постоји од 2010-их, а Аппле и Гоогле су већ усвојили ову методу последњих година. Научници обучавају алгоритме да додају познати проценат нетачне вероватноће скупу података тако да нико не може да уђе у траг информацијама до корисника. Затим, алгоритам може лако одузети вероватноћу да добије стварне податке уз одржавање анонимности корисника. Произвођачи могу да инсталирају локалну диференцијалну приватност у уређај корисника или да је додају као централизовану диференцијалну приватност након прикупљања података. Међутим, централизована диференцијална приватност је и даље у опасности од кршења на извору. 

Ометајући утицај

Како све више људи постаје свесно различите приватности, они могу захтевати већу контролу над својим подацима, што доводи до промене у начину на који технолошке компаније рукују корисничким информацијама. На пример, појединци могу имати опцију да прилагоде ниво приватности који желе за своје податке, омогућавајући им да балансирају између персонализованих услуга и приватности. Овај тренд би могао да доведе до нове ере власништва над подацима, где појединци имају право гласа о томе како се њихови подаци користе, подстичући осећај поверења и сигурности у дигиталном свету.

Како потрошачи постају свеснији приватности, предузећа која дају предност заштити података могла би привући више купаца. Међутим, то такође значи да ће компаније морати да улажу у развој система диференцијалне приватности, што би могао бити значајан подухват. Штавише, компаније ће можда морати да се сналазе у сложеном пејзажу међународних закона о приватности, што би могло довести до развоја флексибилних модела приватности прилагодљивих различитим јурисдикцијама.

На владиној страни, различита приватност би могла да револуционише начин на који се поступа са јавним подацима. На пример, коришћење диференцијалне приватности у прикупљању пописних података могло би да обезбеди приватност грађана, а да притом и даље пружа тачне статистичке податке за креирање политике. Међутим, владе ће можда морати да успоставе јасне прописе и стандарде за различиту приватност како би осигурале њихову правилну имплементацију. Овај развој би могао да доведе до приступа управљању јавним подацима који је више фокусиран на приватност, промовишући транспарентност и поверење између грађана и њихових влада. 

Импликације диференцијалне приватности

Шире импликације диференцијалне приватности могу укључивати: 

• Недостатак специфичних корисничких података обесхрабрује компаније да их прате и доводи до смањења употребе циљаних реклама на друштвеним медијима и претраживачима.
• Стварање ширег тржишта рада за заговорнике и стручњаке за сајбер безбедност. 
• Недостатак доступних података за агенције за спровођење закона да прате криминалце што доводи до споријих хапшења. 
• Нови закони који воде до строжих закона о заштити података и потенцијално преобликују однос између влада, корпорација и грађана.
• Праведна заступљеност свих група у доношењу одлука заснованим на подацима, што води ка правичнијим политикама и услугама.
• Иновације у науци о подацима и машинском учењу доводе до развоја нових алгоритама и техника које могу да уче из података без угрожавања приватности.

Питања која треба размотрити

• Да ли мислите да велике технолошке корпорације могу у потпуности да уграде различиту приватност у своје пословне моделе? 
• Да ли верујете да ће хакери на крају моћи да превазиђу нове диференцијалне баријере приватности за приступ циљним подацима?