详细内容或原文请订阅后点击阅览
ABD和HFLABS：个人信息的安全 div>
大数据协会GR项目负责人Marat Takhaviev和HFLABS技术总监Nikita Nazarov测试了使用解决方案来评估重新识别风险的模型，以取消数据的数据。
来源:OSP网站大数据新闻大数据协会和 HFLabs 使用 Masker 数据匿名化解决方案测试了重新识别风险评估模型。它提供个人数据的智能屏蔽，降低 IT 系统测试期间泄露的风险，同时保持测试质量。数据奖提名者、大数据协会 GR 项目负责人 Marat Takhaviev 和 HFLabs 技术总监 Nikita Nazarov 谈论了该项目的实施情况。
数据奖- 关于这个项目的历史的几句话。重识别风险评估模型是如何产生的？
Marat Takhaviev：三年多来，DBA 一直致力于引入基于风险的方法来规范匿名数据的流通。为此，我们开发了一个重新识别风险评估模型，该模型使我们能够从数学上估计在匿名数据集中识别个人信息的可能性。在这个项目中，我们着手测试风险模型如何在市场参与者需求的产品中发挥作用。选择进行测试的产品是 HFLabs 创建的“Masker”。
马拉特·塔哈维耶夫：该项目的目标是确保 Masker 解决方案及其使用的算法可以安全地用于匿名化数据，同时保持其含义和质量。
- 为什么这个问题很重要？
M.T.：该项目旨在缓解商业环境和政府机构之间对去个性化过程的看法的紧张。在大型政府项目（例如数据“国家湖”）的背景下尤其如此。
MT：在创建风险模型之前，没有可用于评估匿名算法有效性和安全性的解决方案。市场上运营的供应商只声称一组预配置的模板和操作速度，但两者都没有提及质量特性。
尼基塔·纳扎罗夫：- 这个项目到底是什么？
- 建模中使用了哪些数据？
N.N.:- 取得了哪些成果？