6.6.2 තේරුම් ගැනීම හා සරළ අවදානම කළමනාකරණය

තොරතුරු පමාණයක් අවදානමට සමාජ විද්යාත්මක පර්යේෂණ වඩාත් පොදු වූ අවදානම් ය; එය නාටකාකාර ලෙස වැඩි වී ඇත; එය තේරුම් ගැනීමට අමාරුම අවදානම් වේ.

සමාජ වයස අවුරුදු ඩිජිටල් පර්යේෂණ සඳහා දෙවන සදාචාරාත්මක අභියෝගය සරළ අවදානම, තොරතුරු අනාවරණය හානියක් සඳහා හැකියාව යි (Council 2014) . පුද්ගලික තොරතුරු වල අනාවරණය සරළ පීඩාකාරී තත්වය (උදා, රැකියාවක් අහිමි), සමාජ (උදා, ලජ්ජාව), මානසික (උදා, මානසික අවපීඩනය), හෝ අපරාධ (උදා, නීති විරෝධී හැසිරීම අත්අඩංගුවට) ආර්ථික විය හැකි ය. අවාසනාවකට මෙන්, ඩිජිටල් වයස් තොරතුරු අවදානම නාටකාකාර ලෙස-එහි අපේ හැසිරීම ගැන පමණක් එසේ තවත් බොහෝ තොරතුරු වැඩි වේ. ඒ වගේම, සරළ අවදානම වැනි භෞතික අවදානම් වශයෙන්, ඇනලොග් වයස සමාජ විද්යාත්මක පර්යේෂණ තුල උත්සුකයන් බව අවදානම් සාපේක්ෂව තේරුම් ගැනීමට හා අවබෝධ කිරීමට ඉතා අසීරු බව ඔප්පු කර ඇත. ඩිජිටල් යුගයට සරළ අවදානම වැඩි ආකාරය දැක බලා ගැනීම සඳහා, කඩදාසි සිට ඉලෙක්ට්රොනික් වෛද්ය වාර්තා වලට මාරුවීම සලකා බලන්න. වාර්තා වර්ග දෙකම අවදානම් නිර්මාණය, නමුත් ඉලෙක්ට්රොනික වාර්තා දැවැන්ත පරිමානයේ දී, ඔවුන් අනවසර පක්ෂ සම්ප්රේෂණය හෝ වෙනත් වාර්තා සමඟ ඒකාබද්ධ කිරීමට හැකි නිසා ඊට වඩා වැඩි අවදානම් නිර්මාණය කරන්න. ඩිජිටල් යුගයේ දී, සමාජ පර්යේෂකයන් දැනටමත් එය ගණනය කිරීම සහ පාලනය කිරීම සඳහා කෙසේද? ඒවා සම්පූර්ණයෙන්ම තේරුම් ගත්තේ නැති නිසා කොටස් වශයෙන් සරළ අවදානමකට අමාරුවේ ක්රියාත්මක කර ඇත. ඉතින්, මම සරළ අවදානම ගැන හිතන්න කිරීමට ප්රයෝජනවත් ක්රමයක් ඉදිරිපත් කරනවා, ඉන්පසු ඔබ ඔබේ පර්යේෂණ හා වෙනත් පර්යේෂකයන් දත්ත නිදහස් කිරීමේදී සරළ අවදානම කළමනාකරණය කරන ආකාරය සඳහා යම් යම් උපදෙස් දෙන්න යනවා.

සමාජ පර්යේෂකයන් සරළ අවදානම අඩු බව එක් ක්රමයක් දත්ත "anonymization" වේ. "Anonymization" වූ දත්ත, නම, ලිපිනය, සහ දුරකථන අංකය පැහැදිලි පෞද්ගලික හඳුනා ඉවත් කිරීමේ ක්රියාවලියකි. කෙසේ වෙතත්, මෙම ප්රවේශය බොහෝ පුද්ගලයන් තේරුම් ගන්නවාට වඩා බෙහෙවින් අඩු ඵලදායී වන අතර, එය ඇත්ත වශයෙන්ම, ගැඹුරු සහ අතිමූලික සීමිත වේ. ඒ හේතුව නිසා, මම විස්තර සෑම අවස්ථාවකදීම "anonymization," මම උධෘත ලකුණු මෙම ක්රියාවලිය නිර්නාමික නමුත් සැබෑ අනන්යතාවය හෙළි නොකරන පෙනුම නිර්මාණය බව ඔබට මතක් කර භාවිතා කරන්නම්.

"Anonymization" අසාර්ථකත්වය පිළිබඳ පැහැදිලි උදාහරණයක් මැසචුසෙට්ස් හි 1990 අග භාගයේ සිට එන (Sweeney 2002) . මෙම සමූහ රක්ෂණ කොමිසම (රාජ්ය තොරතුරු කේන්ද්රය) සියලු රාජ්ය සේවකයන් සඳහා සෞඛ්ය රක්ෂණ මිලදී ගැනීම සඳහා වගකිව යුතු රාජ්ය ආයතනයක් විය. මෙම කාර්යය තුළින්, රාජ්ය තොරතුරු කේන්ද්රයේ පහත රාජ්ය සේවකයින් දහස් ගණනක් ගැන සවිස්තරාත්මක සෞඛ්ය වාර්තා එකතු කරන ලදී. සෞඛ්ය තත්වය වැඩි දියුණු කිරීම සඳහා ක්රම ගැන පර්යේෂණ ආධාර වනු කිරීමේ උත්සාහයක් ලෙස රාජ්ය තොරතුරු කේන්ද්රය පර්යේෂකයන් මෙම වාර්තා නිදහස් කිරීමට තීරණය කර ඇත. එහෙත්, ඔවුන් තම තමන්ගේ දත්ත සියල්ල බෙදාහදා නැහැ; ඒ වෙනුවට, ඔවුන් එවැනි නම, ලිපිනය සහ තොරතුරු ඉවත් කිරීමෙන් එය "නිර්නාමික". කෙසේ වෙතත්, ඔවුන් එවැනි ජනවිකාශ තොරතුරු ලෙස පර්යේෂකයන් සඳහා ප්රයෝජනවත් විය හැකි සිතූ වෙනත් තොරතුරු ඉතිරි (zip කේතය, උපන් දිනය, වාර්ගිකත්වය, හා ලිංගික) සහ වෛද්ය තොරතුරු (සංචාරය දත්ත, රෝග නිර්ණය, පටිපාටිය) (රූපය 6.4) (Ohm 2010) . අවාසනාවකට මෙන්, මෙම "anonymization" දත්ත ආරක්ෂා කිරීම සඳහා ප්රමාණවත් වූයේ නැත.

රූපය 6.4: Anonymization තොරතුරු හඳුනා ගැනීම පැහැදිලිවම ඉවත් කිරීමේ ක්රියාවලියකි. උදාහරණයක් ලෙස, රාජ්ය සේවකයින් වෛද්ය රක්ෂණ වාර්තා නිකුත් කිරීමේදී මැසචුසෙට්ස් සමූහ රක්ෂණ කොමිසම (රාජ්ය තොරතුරු කේන්ද්රය) එම ගොනු නම, ලිපිනය සහ ඉවත් කර ඇත. මෙම ක්රියාවලිය සැබෑ අනන්යතාවය හෙළි නොකරන ලෙස නිර්නාමිකව පෙනුම ලබා, නමුත් ඒ නිසා මම anonymization වචනය වටා මිල කැඳවීම් භාවිතා කරන්න.

රූපය 6.4: "Anonymization" තොරතුරු හඳුනා ගැනීම පැහැදිලිවම ඉවත් කිරීමේ ක්රියාවලියකි. උදාහරණයක් ලෙස, රාජ්ය සේවකයින් වෛද්ය රක්ෂණ වාර්තා නිකුත් කිරීමේදී මැසචුසෙට්ස් සමූහ රක්ෂණ කොමිසම (රාජ්ය තොරතුරු කේන්ද්රය) එම ගොනු නම, ලිපිනය සහ ඉවත් කර ඇත. මෙම ක්රියාවලිය සැබෑ අනන්යතාවය හෙළි නොකරන ලෙස නිර්නාමිකව පෙනුම ලබා, නමුත් ඒ නිසා මම "anonymization" යන වචනය වටා මිල කැඳවීම් භාවිතා කරන්න.

කේම්බ්රිජ් මැසචුසෙට්ස් ආණ්ඩුකාර විලියම් දුදනන් වන උපන් ගම නගරය සිට ඡන්දය වාර්තා ලබා ගැනීමට MIT, ගෙවුම් $ 20 ට උපාධි ශිෂ්යයෙකු, රාජ්ය තොරතුරු කේන්ද්රයේ පහත "anonymization" වල අඩුපාඩු නිදර්ශනය කිරීමට Latanya ස්විනී-එහෙනම්. මෙම ඡන්ද විමසීම වාර්තා, නම, ලිපිනය, සිප් කේතය, උපන් දිනය, සහ ස්ත්රී පුරුෂ තොරතුරු ඇතුළත් වේ. වෛද්ය දත්ත ගොනුව හා ඡන්ද ගොනුව ක්ෂේත්ර-තැපැල් කේතයක්, උපන් දිනය, සහ ලිංගික-අදහස් ස්විනී නංවාලමින් ඔවුන් හැකි බව හවුල් බව. ස්විනී දුදනන් උපන් දිනය ජූලි 31, 1945 වූ අතර, ඡන්ද විමසීම වාර්තා කේම්බ්රිජ් හය දෙනෙකුට පමණක් බව උපන් දිනය ඇතුලත් බව ඔහු දැන සිටියේය. තවද, එම හයක් ජනතාවගේ, තුනක් එකම පිරිමි වූහ. ඒ වගේම, ඒ මිනිස්සු තුන්, සුදන ගේ zip කේතය හවුල් එකම එක. මේ අනුව, උපන් දිනය දුදනන් ගේ සංයෝජනයක් සමග වෛද්ය දත්ත, ස්ත්රී පුරුෂ භාවය, සහ zip කේතය ඕනෑම කෙනෙකුට විලියම් දුදනන් බව ඡන්ද දත්ත අනාවරණය කරයි. සාරය වශයෙන් තොරතුරු මෙම කෑලි තුනක් දත්ත ඔහුට අනන්ය වූ ඇඟිලි සලකුණු ලබා දුන්නා. මෙම කාරනය භාවිතා කරමින්, ස්විනී දුදනන් ගේ වෛද්ය වාර්තා සොයා ගැනීමට, සහ ඇයගේ වාර්තාව තැබුවේ ඔහුට දැනුම් දීමට හැකි වූ අතර, ඇය ඔහු ඔහුගේ වාර්තා පිටපතක් තැපැල් (Ohm 2010) .

රූපය 6.5: නැවත idenification නිර්නාමික දත්ත. Latanya ස්විනී ආණ්ඩුකාර විලියම් දුදනන් (ස්විනී 2002) වෛද්ය වාර්තා සොයා ගැනීම සඳහා ඡන්ද විමසීම වාර්තා සමග නිර්නාමික සෞඛ්ය වාර්තා ඒකාබද්ධ.

Figure 6.5: නැවත idenification "නිර්නාමික" දත්ත. Latanya ස්විනී ආණ්ඩුකාර විලියම් දුදනන් වෛද්ය වාර්තා සොයා ගැනීම සඳහා ඡන්ද විමසීම වාර්තා සමඟ "නිර්නාමික" සෞඛ්ය වාර්තා ඒකාබද්ධ (Sweeney 2002) .

ස්විනී වැඩ පරිගණකය ආරක්ෂක ප්රජාව වෙතින් කාලීන සම්මත සිටිමින් ද-anonymization ප්රහාර මූලික ව්යුහය විදහා දක්වයි. මෙම ප්රහාර දී, එකක් වත් තමන් විසින් සංවේදී තොරතුරු හෙළි කරයි දත්ත කාණ්ඩ, දෙක, සම්බන්ධ වන අතර, මෙම සම්බන්ධතාවය හරහා, සංවේදී තොරතුරු හෙළි කර ඇත. සමහර පැතිවලින් මෙම ක්රියාවලිය සෝඩා සහ විනාකිරි, ෙබ්කිං, තමන් විසින් ආරක්ෂිත බවට ද්රව්ය දෙකක්, මොහොත, ප්රතිඵලය නිෂ්පාදනය කිරීමට ඒකාබද්ධ කළ හැකි බව මාර්ගය සමාන වේ.

ස්විනී වැඩ, සහ අනෙකුත් අදාළ වැඩ කිරීමට ප්රතිචාර වශයෙන්, පර්යේෂකයන් දැන් සාමාන්යයෙන් ඊනියා 'පෞද්ගලිකව තොරතුරු හඳුනා ගැනීම "(PII) තවත් බොහෝ තොරතුරු සියල්ල ඉවත් (Narayanan and Shmatikov 2010) ක්රියාවලිය -during තවද, බොහෝ පර්යේෂකයන් දැන්" anonymization. " ඇතැම් දත්ත-වැනි වෛද්ය වාර්තා, මූල්ය වාර්තා, පිළිතුරු ලෙස නීති විරෝධී හැසිරීම-වේ බොහෝ විට පසුව පවා නිදහස් කිරීමට ද සංවේදී පිළිබඳ ප්රශ්න සමීක්ෂණ බව අවබෝධ "anonymization." කෙසේ වෙතත්, සමාජ පර්යේෂකයන් කිරීමට අවශ්ය බව මම පහත විස්තර කරන්නම් බව වඩාත් මෑත උදාහරණ සඳහන් තමන්ගේ සිතුවිලි වෙනස් කරන්න. එහි පළමු පියවර ලෙස, එය සියලු දත්ත විය හැකි හඳුනාගැනේ සහ සියලු දත්ත විය හැකි සංවේදී බව උපකල්පනය කිරීම නුවණට හුරුය. වෙනත් වචන වලින් කිවහොත්, ඒ වෙනුවට සරළ අවදානම ව්යාපෘති කුඩා උප කුලකයක් අදාළ වන බව කල්පනා වඩා, අපි එය අදාළ වේ-කිරීමට බව සමහර උපාධි-සියලු ව්යාපෘති උපකල්පනය කළ යුතුය.

මෙම නැවත දිශානතිය අංශ දෙකම සදහා Netflix ත්යාගය විසින් පැහැදිලි කිරීම සිදු වේ. 5 වන පරිච්ඡේදය විස්තර කර ඇති පරිදි, Netflix පාහේ 500,000 සාමාජිකයන් විසින් ලබා චිත්රපට වර්ගීකරණයන් මිලියන 100 ක් නිකුත් කළ අතර එහි ලොව පුරා ජනතාව චිත්රපට නිර්දේශ කිරීම සදහා Netflix හැකියාව වර්ධනය කර ගැනීමට හැකි බව දක්නට නොමැත්තේ ඉදිරිපත් එහිදී විවෘත කැඳවීමක් සිදු විය. දත්ත නිදහස් කිරීමට පෙර, Netflix වශයෙන් නම්, ඕනෑම පැහැදිලිවම පෞද්ගලිකව-හඳුනා තොරතුරු ඉවත් කර ඇත. Netflix ද අතිරේක පියවර ගොස් (උදා, තරු 3 තරු 4 සිට සමහර ශ්රේණිගත වෙනස්) වාර්තා කරන ලද ඇතැම් සුළු කැළඹීම් හඳුන්වා දෙන ලදී. Netflix ඉක්මනින් ඔවුන්ගේ උත්සාහය නොතකා, දත්ත කිසිසේත් නිර්නාමික විසින් බව, කෙසේ වෙතත්, සොයා ගන්නා ලදී.

දත්ත නිදහස් කරන ලදී සති දෙකකින් Narayanan and Shmatikov (2008) එය නිශ්චිත ජනතා චිත්රපටය මනාප ගැන ඉගෙනගන්න සිදුවිය හැකි බව පෙන්වා දුන්නේය. ඔවුන්ගේ නැවත හඳුනා ගැනීම ප්රහාරය ප්රයෝගය ස්විනී ගේ සමාන විය: එකට තොරතුරු මූලාශ්ර දෙකක්, විභව සංවේදී තොරතුරු හා කිසිදු තොරතුරු හා ජනතාවගේ අනන්යතාවය ඇතුළත් එක පැහැදිලිවම හඳුනා සමග එක් ඒකාබද්ධ. මෙම දත්ත මූලාශ්රයන් එක් එක් තනි තනිව ආරක්ෂිත විය හැක, නමුත් ඔවුන් එකට එකතු වූ විට අලුතින් ඒකාබද්ධ දත්ත සමුදාය සරළ අවදානම නිර්මාණය කළ හැකිය. මෙම Netflix දත්ත සම්බන්ධයෙන් ගත් කල, එය මෙහි සිදු විය ආකාරය වේ. මම පියවර හා හාස්යමය චිත්රපට ගැන මගේ සිතුවිලි මගේ සම-කම්කරුවන් සමග හුවමාරු කර ගැනීම තෝරා බව, නමුත් මම ආගමික හා දේශපාලනික චිත්රපට ගැන මගේ මතය බෙදා ගැනීමට කැමති නැහැ කියලා. මගේ සම-කම්කරුවන් සදහා Netflix දත්ත මගේ වාර්තා සොයා ගැනීමට මම ඔවුන් සමඟ බෙදා ගත්තේය බව එම තොරතුරු භාවිතා කළ හැකි; මම හුවමාරු වන තොරතුරු පමණක් විලියම් දුදනන් උපන් දිනය, තැපැල් කේතය, හා ලිංගික වැනි අද්විතීය ඇඟිලි විය හැකි ය. එවිට, ඔවුන් දත්ත මගේ අද්විතීය ඇඟිලි සොයා නම්, ඔවුන් මගේ ශ්රේණිගත මම බෙදා ගැනීමට පෙළඹිය එහිදී චිත්රපට ඇතුළු සියලු චිත්රපට, ගැන ඉගෙනගන්න පුළුවන්. තනි පුද්ගලයා මත අවධානය යොමු ඉලක්ක ප්රහාරය මේ ආකාරයේ අමතරව, Narayanan and Shmatikov (2008) ද එය බොහෝ මිනිසුන්-විසින් පෞද්ගලික හා සිනමා ශ්රේණිගත දත්ත සමග Netflix දත්ත ඒකබද්ධ බව ඇතැම් සම්බන්ධ පුළුල් ප්රහාරය ගෙවන්න කරන්න හැකි බව ය ජනතාව අන්තර්ජාලය චිත්රපට දත්ත පදනම (IMDb) මත පළ කිරීමට තීරණය කර තිබෙනවා. නිශ්චිත පුද්ගලයෙකු පවා චිත්රපට වර්ගීකරණයන්-හැකි ඒවා හඳුනා ගැනීම සඳහා භාවිතා කළ ඔවුන්ගේ කට්ටලයක් සඳහා අද්විතීය ඇඟිලි ඇති ඕනෑම තොරතුරු.

මෙම Netflix දත්ත එක්කෝ ඉලක්කගත හෝ පුලුල් ප්රහාරයක් නැවත හඳුනා ගත හැක වුවද, එය තවමත් අඩු අවදානම් බව පෙනී විය හැක. ඇත්තෙන්ම, චිත්රපට වර්ගීකරණයන් ඉතා සංවේදී බවක් නැහැ. බව පොදුවේ සත්ය විය වනු ඇති අතර, මේ දත්ත සමුදාය තුළ පුද්ගලයන් 500,000 ක් වෙනුවෙන්, චිත්රපට වර්ගීකරණයන් ඉතා සංවේදී විය හැකිය. සැබවින් ම, ද-anonymization කිරීමට ප්රතිචාර වශයෙන් closeted සමලිංගික කාන්තාවක් Netflix එරෙහිව පන්ති-ක්රියාකාරී ඇඳුම එක් විය. මෙතන ප්රශ්නේ ඔවුන්ගේ නඩු ප්රකාශ වූයේ ආකාරය (Singel 2009) :

"[M] ovie සහ තක්සේරු දත්ත [SIC] වඩා බෙහෙවින් පෞද්ගලික හා සංවේදී ස්වභාවය තොරතුරු මෙම ගොනුවේ අඩංගුය. මෙම මන්ත්රී චිත්රපටය දත්ත සදහා Netflix මන්ත්රී පෞද්ගලික උනන්දුව හෙලිදරව් සහ / හෝ අස්වාභාවික දෙයක්, භෞතික අපචාර, ගෘහස්ථ ප්රචණ්ඩත්වය, අනාචාරය හා ස්ත්රී දූෂණ වලින් ලිංගිකත්වය, මානසික රෝග, මත්පැන් සිට ප්රතිස්ථාපනය සහ පළිගැනීම් ඇතුළු විවිධ ඉහළ පෞද්ගලික කරුණු, අරගල,. "

මෙම Netflix ත්යාගය දත්ත de-anonymization දෙකම සියලු දත්ත විය හැකි හඳුනාගැනේ සහ සියලු දත්ත විය හැකි සංවේදී බව විදහා දක්වයි. මේ මොහොතේ දී, ඔබට මෙම පමණක් දත්ත අදාළ වන බව ඒ අය ගැන මවා පෙන්වන කියලා. පුදුමය එය නොවේ. තොරතුරු නීති ඉල්ලීම ගැනීමේ නිදහස ප්රතිචාර වශයෙන්, නිව් යෝක් නගරයේ රජයේ නිව් යෝර්ක් සෑම ටැක්සි සවාරියක් යෑමේ වාර්තා 2013 දී පිකප් ඇතුළු නිදහස් සහ වේලාවන්, ස්ථාන, සහ ගාස්තු ප්රමාණයන් බස්සයි (මතක් 2 වන පරිච්ඡේදය සිට Farber (2015) ) ශ්රම ආර්ථික විද්යාව වැදගත් න්යායන් පරීක්ෂා කිරීමට මෙම දත්ත භාවිතා. එය ජනතාව ගැන තොරතුරු නොමැති බව පෙනී නිසා ටැක්සි සංචාර ගැන මෙම දත්ත සැගවෙමින් බවක් විය හැකි වුවත්, ඇන්තනි Tockar මෙම ටැක්සි දත්ත සමුදාය ඇත්තටම මිනිසුන් ගැන විය හැකි සංවේදී තොරතුරු ගොඩක් අඩංගු බව. පැහැදිලි කිරීම සඳහා, ඔහු සියලු සංචාර දෙස බලා මෙම Hustler සමාජය-විශාල බිම් තීරුවක නිව් යෝර්ක් නගරයේ අතර සමාජ මධ්යම රාත්රියේ හා 6am දී ආරම්භ එවිට ඔවුන්ගේ ඩ්රොප් ලකුණු ස්ථාන සොයාගෙන ඇත. මෙම සෙවුම අනාවරණය වීම සාරය, එනම් මෙම Hustler සමාජය නිතර වූ සමහර ලිපිනයන් ලැයිස්තුව (Tockar 2014) . එය දත්ත නිකුත් කරන විට නාගරික ආන්ඩුව මතක මෙම තිබූ බව සිතීම දුෂ්කර ය. ඇත්ත වශයෙන්ම, මෙම තාක්ෂණය එම නගරයේ-වෛද්ය සායනයක්, රජයේ ගොඩනැගිල්ලකට හෝ ආගමික ආයතනයක් ඕනෑම තැනකට පැමිණෙන ජනතාවගේ ගෙදර ලිපිනයන් සොයා ගැනීමට භාවිතා කළ හැකි විය.

මෙම නඩු-දෙක සදහා Netflix ත්යාගය සහ සාපේක්ෂව දක්ෂ මිනිසුන් ඔවුන් නිදහස් එම දත්ත දී සරළ අවදානම නිවැරදිව තක්සේරු කිරීමට අසමත් වූ බව ද නිව් යෝර්ක් නගරයේ ටැක්සි දත්ත ප්රදර්ශන, සහ මෙම නඩු කිසිදු අදහස් කරන්නේ, ඇත අද්විතීය (Barbaro and Zeller Jr 2006; Zimmer 2010; Narayanan, Huey, and Felten 2016) . තවද, මෙම නඩු බොහෝ තුළ, ගැටලුකාරී දත්ත තවමත් නිදහසේ ලබා ගත සමඟ අමුත්තන්, කවදා හෝ දත්ත නිදහස් හානියද කිරීමේ දුෂ්කරතා පෙන්නුම් වේ. සාමූහිකව මේ උදාහරණ-මෙන්ම වැදගත් නිගමනය පෞද්ගලිකත්වය-නායකත්වය ගැන පරිගණක විද්යාව පර්යේෂණ. පර්යේෂකයන් සියලු දත්ත විය හැකි හඳුනාගැනේ බව උපකල්පනය කළ යුතු අතර සියලු දත්ත විය හැකි සංවේදී ය.

අවාසනාවකට මෙන්, සියලු දත්ත විය හැකි හඳුනාගැනේ සහ සියලු දත්ත විය හැකි සංවේදී බව යන කරුණ සරල විසඳුමක් නැත. කෙසේ වෙතත්, ඔබ දත්ත සමග වැඩ කරන අතර තොරතුරු අවදානම අවම කිරීමට එක් ක්රමයක් වූ දත්ත ආරක්ෂණ සැලැස්මක් නිර්මාණය හා අනුගමනය කිරීම ඉතා වැදගත්. මෙම සැලැස්ම ඔබගේ දත්ත කාන්දු වන අතර කාන්දු කෙසේ හෝ සිදුවන්නේ නම් හානිය අඩු වනු ඇති අවස්ථා ද අඩු වනු ඇත. ආරක්ෂිත ව්යාපෘති, ආරක්ෂිත ජනතාව: ද, එවැනි භාවිතා කිරීමට ගුප්ත කේතනය කුමන ආකාරයේ ලෙස, දත්ත ආරක්ෂාව වෙනුවෙන් අවශ්ය සැලසුම් හා සුවිශේෂත්වයන් කාලයත් වෙනස් වනු ඇත, එහෙත් එය, එක්සත් රාජධානියටත්, දත්ත සේවා උපකාරශීලී 5 කාණ්ඩ ඔවුන් 5 ෙසේප්පු අමතන්න බව බවට දත්ත ආරක්ෂණ සැලැස්මේ මූලද්රව්ය සංවිධානය , ආරක්ෂිත සැකසුම්, ආරක්ෂිත දත්ත, සහ ආරක්ෂාකාරී ප්රතිදානයන් (ව ව 6.2) (Desai, Ritchie, and Welpton 2016) . මෙම ෙසේප්පු පහක් කිසිවක් තනි තනිව පරිපූර්ණ ආරක්ෂාව ලබා දෙයි. එහෙත්, ඒවා එක්ව සරළ අවදානම අඩු කළ හැකි බව විශ්වාස කිරීමට හේතු බලවත් මාලාවක් සාදයි.

වගුව 6.2: මෙම 5 ෙසේප්පු දත්ත ආරක්ෂාව සැලැස්ම නිර්මාණය හා ක්රියාත්මක කිරීම සඳහා මූලධර්ම යනු (Desai, Ritchie, and Welpton 2016) .
ආරක්ෂිත කටයුතු
ආරක්ෂිත ව්යාපෘති සදාචාරාත්මක බව එම දත්ත සමග සීමාවන් ව්යාපෘති
ආරක්ෂිත ජනතාව ප්රවේශ දත්ත සමඟ විශ්වාස කළ හැකි අයට පමණක් සීමා කර ඇත (උදා: ජනතාව සදාචාරාත්මක පුහුණුව)
ආරක්ෂිත දත්ත දත්ත හැකි තාක් දුරට de-හඳුනාගෙන, ගොඩ ගසා ඇත
ආරක්ෂිත සැකසුම් දත්ත සුදුසු භෞතික (උදා, අගුලු දමා කාමරයට) සමග ඇති පරිගණක වල ​​ගබඩා කර ඇත සහ මෘදුකාංග (උදා: මුරපදය ආරක්ෂා කිරීම, එන්ක්රිප්ට්) ආරක්ෂාවන්
ආරක්ෂිත ප්රතිදානය පර්යේෂණ නිමැවුම් අහම්බෙන් පෞද්ගලිකත්වය උල්ලංඝනය වැළැක්වීම සඳහා සමාලෝචනයෙන්

ඔබ විසින් එය භාවිත කිරීම කරන අතර ඔබගේ දත්ත ආරක්ෂා කිරීමට අමතරව, සරළ අවදානම විශේෂයෙන් වැදගත් කොහෙද පර්යේෂණ ක්රියාවලියේ දී එක් එක් පියවර සෙසු පර්යේෂකයන් සමග දත්ත හුවමාරු වේ. විද්යාඥයන් අතර දත්ත හුවමාරු විද්යාත්මක උත්සාහය මූලික අගය වන අතර, එය බොහෝ සෙයින් පහසුකම් දැනුම දියුණු. මෙන්න පොදුවූවන් එක්සත් රාජධානි හවුස් දත්ත හුවමාරු කිරීමේ වැදගත්කම විස්තර කරන ආකාරය මෙසේය:

පර්යේෂකයන්, ප්රජනනය සත්යාපනය කිරීමට සහ සාහිත්යය තුළ වාර්තා වන බව ප්රතිඵල මත ඉදි කිරීමට නම් "දත්ත සඳහා ප්රවේශ මූලික වේ. පූර්ව නිගමනය කරන්නා එසේ ශක්තිමත් හේතුවක් තිබේ නම්, දත්ත සම්පූර්ණයෙන්ම අනාවරණය ප්රසිද්ධියේ ලබා දිය යුතු බව විය යුතුය. හැකි, සියලු රජයේ අරමුදල් ලබන පර්යේෂණ හා සම්බන්ධ දත්ත පුළුල් ලෙස ඉදිරිපත් කළ යුතු ස්ථාන හා නිදහසේ ලබා ගත මෙම ප්රතිපත්තිය, අනුකූලව. " (Molloy 2011)

එහෙත්, තවත් පර්යේෂකයෙක් සමඟ ඔබේ දත්ත බෙදාගැනීම මගින්, ඔබ සරළ අවදානම ඔබ සහභාගී දක්වා වර්ධනය විය හැක. මේ අනුව, එය ඔවුන්ගේ බෙදා ගන්න ලැබීමත් දත්ත-හෝ ඔවුන්ගේ බෙදාහදා ගැනීමට අවශ්ය කරන පර්යේෂකයන් මූලික ආතතිය මුහුණ දත්ත-සිටින බව දැකිය හැක. එක් අතකින් ඔවුන් මුල් පර්යේෂණ ප්රසිද්ධියේ අරමුදල්, විශේෂයෙන්ම නම්, වෙනත් විද්යාඥයින් සමඟ දත්ත හුවමාරු කර ගැනීමට සදාචාරාත්මක වගකීමක් තිබෙනවා. එහෙත්, ඒ සමගම, පර්යේෂකයන් අවම කිරීමට සදාචාරාත්මක යුතුකමක් හැකිතාක්, ඔවුන්ගේ සහභාගීවන්නන් සඳහා තොරතුරු අවදානමක් තිබෙනවා.

එහෙත් වාසනාවකට මෙන්, මෙම උභතෝකෝටිකයට එය දර්ශණය ලෙස දැඩි නොවේ. එය දත්ත "නිර්නාමික" සහ (රූප සටහන 6.6) වෙත ප්රවේශ වීමට ඕනෑම කෙනෙකුට සඳහා පල කරනු ලබන, නිදහස් හා අමතක කිරීමට කිසිදු දත්ත බෙදාහදා සිට සන්තතිය දිගේ දත්ත බෙදාහදා හිතන්න වැදගත් වේ. මේ අන්ත තනතුරු දෙකම අවදානම් සහ ප්රතිලාභ ඇත. එය ස්වයංක්රීයව ඔබගේ දත්ත හුවමාරු කර නොගන්නා ලෙස වඩාත් සදාචාර සම්පන්න දෙයක් නොවේ, ය; එවන් ප්රවිෂ්ටයක් සමාජයට බොහෝ විභව ප්රතිලාභ ඉවත්වේ. , රස බැඳීම, සහ කාලය, මීට පෙර පරිච්ඡේදයේ සාකච්ඡා උදාහරණයක් තේරීම්භාර, හැකි පීඩාකාරී තත්වය මත පමණක් අවධානය බව හැකි ප්රතිලාභ නොතකා එම දත්ත නිදහස් එරෙහිව තර්ක ඕනෑවට වඩා එක පැත්තකට ය; මම අවිනිශ්චිත (වගන්තිය 6.6.4) හමුවේ තීරණ ගැනීම සම්බන්ධයෙන් උපදෙස් ලබා දී පහත දී තව විස්තර එක පැත්තකට, ඕනෑවට වඩා ආරක්ෂිත ප්රවේශය තුළ ඇති ගැටළු විස්තර කරන්නම්.

රූපය 6.6: දත්ත නිදහස් උපාය මාර්ග සන්තතිය දිගේ වැටෙන්න පුළුවන්. ඔබ මෙම සන්තතිය දිගේ සිටිය යුතු තැන ඔබේ දත්ත නිශ්චිත විස්තර මත රඳා පවතී. මේ අවස්ථාවේ දී, තෙවන පාර්ශවයක් සමාලෝචන ඔබ ඔබේ නඩුව අවදානම හා ප්රතිලාභ සුදුසු ශේෂ තීරණය කළ හැක.

රූපය 6.6: දත්ත නිදහස් උපාය මාර්ග සන්තතිය දිගේ වැටෙන්න පුළුවන්. ඔබ මෙම සන්තතිය දිගේ සිටිය යුතු තැන ඔබේ දත්ත නිශ්චිත විස්තර මත රඳා පවතී. මේ අවස්ථාවේ දී, තෙවන පාර්ශවයක් සමාලෝචන ඔබ ඔබේ නඩුව අවදානම හා ප්රතිලාභ සුදුසු ශේෂ තීරණය කළ හැක.

තවද, මේ අන්ත නඩු දෙකක් අතර මම දත්ත ඇතැම් උපමානයට සහ යම් යම් නීති රීති (උදා: ලෙස IRB හා දත්ත ආරක්ෂාව සැලසුම් වෙතින් අධීක්ෂණ) විසින් බැඳී කිරීමට එකඟ වන අය සමඟ හවුල් කරනු ලබන පවුරකින් වට උයන ප්රවේශය නමින් කරන්නම් මොකක්ද . මෙම වටවූ උයන ප්රවේශය අදාල නිකුත් කිරීම කරනු ලබන ප්රතිලාභ රාශියක් සපයන හා අඩු අවදානමක් සහිත අමතක කරන්න. ඇත්ත වශයෙන්ම, පවුරකින් වට උයන ප්රවේශය බොහෝ ප්රශ්න-සිටින ප්රස්ථා තිබිය යුතු දේ තත්වයන්, තවත් කොපමණ කාලයක් යටතේ, පවත්වාගෙන යාම සහ බලකාය පාලනය කිරීම සඳහා වටවූ උයන ගෙවිය යුතු ආදිය-නමුත්, මෙම අභිමුඛ නොවන නිර්මාණය කරයි. ඇත්ත වශයෙන්ම, පර්යේෂකයන් එවැනි මිචිගන් විශ්ව විද්යාලයේ දේශපාලන හා සමාජ පර්යේෂණ සඳහා වන අන්තර් විශ්ව විද්යාල මූල්යායතනය දත්ත සංරක්ෂිත ලෙස, දැන් භාවිතා කල හැකි බව මේ වන විටත් වැඩ වටවූ උද්යාන ඇත.

ඒ නිසා, ඔබේ අධ්යයනය කිරීමෙන් දත්ත කිසිදු බෙදා හදා සන්තති මත, වටවූ උයන විය යුතු අතර, නිදහස් හා අමතක කළ යුත්තේ ඇයි? එය ඔබගේ දත්ත පිළිබඳ විස්තර මත රඳා පවතී; පර්යේෂකයන්, පුද්ගලයන් සඳහා ගෞරවය තුලනය කළ යුතුය ආධාර, යුක්තිය, නීතිය හා මහජන යහපත ගෞරව. වෙනත් තීරණ සඳහා සුදුසු ශේෂ තක්සේරු විට පර්යේෂකයන් IRBs උපදෙස් හා අනුමැතිය ලබා, සහ දත්ත නිදහස් එම ක්රියාවලිය තවත් එක් කොටසක් විය හැක. වෙනත් වචන වලින් කිවහොත්, බලාපොරොත්තු රහිත සදාචාරාත්මක morass ලෙස සමහර අය දත්ත නිදහස් හිතන්න වුවත්, අප මේ වන විටත් පර්යේෂකයන් සදාචාරාත්මක උභතෝකෝටික මේ ආකාරයේ තුලනය උදව් ස්ථානයේ පද්ධති තිබෙනවා.

දත්ත බෙදාහදා ගැන හිතන්න එක් අවසාන මාර්ගය සාම්යයක් වේ. සෑම වසරකම මෝටර් රථ මරණ දහස් ගණනක් සඳහා වගකිව යුතු, නමුත් අපි රියදුරු තහනම් කිරීමට උත්සාහ කරන්නේ නැහැ. රියදුරු බොහෝ අපූරු දේවල් හැකියාව නිසා ඇත්ත වශයෙන්ම, රියදුරු තහනම් කිරීමට එවැනි ඇමතුමක් අභූත වනු ඇත. ඒ වෙනුවට, සමාජය සහ පැදවීමට හැකි මත සීමා (උදා, ඇතැම් පරීක්ෂණ සමත් කිරීමට අවශ්ය, යම් වයස් විය යුතුය) ආකාරය ඔවුන් (වේග සීමාව යටතේ, උදා:) පදවන්න පුළුවන් තබයි. සමාජය ද මෙම නීති ක්රියාත්මක කිරීමට පැවරුණු ජනතාව (උදා, පොලිස්) ඇති අතර, අපි ඔවුන්ට උල්ලංඝනය හසු කරන අය දඬුවම්. සමබර මෙම චින්තන එකම වර්ගයේ සමාජය රියදුරු නියාමනය අදාළ වන බව ද දත්ත හුවමාරු සඳහා ඉල්ලුම් කළ හැකිය. ඒ වෙනුවට දත්ත හුවමාරු හෝ විරුද්ධව පරම බලය තර්ක කරමින් වඩා, මම ලොකුම වරප්රසාද අපට තවත් ආරක්ෂිතව වැඩි දත්ත හුවමාරු කළ හැකි ආකාරය අවබොධ වෙතින් ලැබෙනු ඇත හිතන්නේ, වේ.

නිගමනය කිරීම, සරළ අවදානම නාටකාකාර ලෙස වැඩි වී ඇත, එය අනුමාන හා ගණනය කිරීමට ඉතා දුෂ්කර ය. ඒ නිසා, එය සියලු දත්ත විය හැකි හඳුනාගත විය හැකි සංවේදී බව උපකල්පනය කිරීම තමයි හොඳම දේ. පර්යේෂණ සිදු කරන අතරතුර සරළ අවදානම අඩු කිරීම සඳහා, පර්යේෂකයන් දත්ත ආරක්ෂණ සැලැස්මක් නිර්මාණය හා අනුගමනය කල හැකිය. තවද, සරළ අවදානම වෙනත් විද්යාඥයින් සමඟ දත්ත හුවමාරු පර්යේෂකයන් බාධාවක් නොවේ.