نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

9 فروردین 1403 10:06 ب.ظ

چالش جمع سپاری و عدم شناسایی مجموعه داده های ایمنی عمومی

NIST crowdsourcing challenge to de-identify public safety data sets

توسط جنیفر هورگو ، انستیتوی ملی استاندارد و فناوری2 اکتبر 2020

موسسه ملی استاندارد و فناوری وزارت بازرگانی ایالات متحده (NIST) چالشی را در زمینه تأمین منابع گسترده برای ایجاد روش های جدید برای اطمینان از شناسایی غیرمجاز مجموعه های مهم داده های ایمنی عمومی برای محافظت از حریم خصوصی افراد به راه انداخته است. برنامه نقشه حریم خصوصی شامل یک سری مسابقات است که در مجموع تا 276000 دلار برای ارایه راه حل های محرمانه افتراقی برای مجموعه داده های پیچیده که شامل اطلاعات مربوط به زمان و مکان هستند ، جایزه می دهد.

برای برنامه های حیاتی مانند برنامه ریزی اضطراری و اپیدمیولوژی ، پاسخ دهندگان ایمنی عمومی ممکن است نیاز به دسترسی به داده های حساس داشته باشند ، اما اشتراک این داده ها با تحلیلگران خارجی می تواند حریم خصوصی افراد را به خطر بیندازد. حتی اگر داده ها بصورت ناشناس باشد ، اشخاص خرابکار می توانند سوابق ناشناس را با داده های شخص ثالث پیوند دهند و افراد را دوباره شناسایی کنند. و ، وقتی داده ها دارای اطلاعات جغرافیایی و زمانی باشند ، خطر شناسایی مجدد به طور قابل توجهی افزایش می یابد.

گری هوارت ، مدیر برنامه جایزه NIST ، گفت: “داده های نقشه زمانی ، با توانایی ردیابی موقعیت فرد در طی یک دوره زمانی ، به ویژه برای سازمان های ایمنی عمومی در هنگام آماده سازی برای مقابله با بلایا ، آتش نشانی و اجرای قانون مفید است.” “هدف از این چالش توسعه راه حل هایی است که بتواند از حریم خصوصی شهروندان و پاسخ دهندگان در صورت نیاز به اشتراک داده ها توسط آژانس ها محافظت کند.”

حریم خصوصی متفاوت محافظت از داده ها را بسیار قوی تر از ناشناس بودن می کند. این یک ضمانت ریاضی قابل اثبات است که از اطلاعات قابل شناسایی شخصی (PII) محافظت می کند. با شناسایی کامل مجموعه داده های حاوی PII ، محققان می توانند اطمینان حاصل کنند که داده ها مفید هستند در حالی که آنچه را که می توان در مورد هر شخص در داده ها آموخت ، اطلاعات شخص ثالث در دسترس را ، محدود می کنند.

مسابقات بصورت فردی که چالش را تشکیل می دهند شامل یک سری سه “تایی” خواهد بود که در آن شرکت کنندگان الگوریتم های حفظ حریم خصوصی را توسعه می دهند و برای جوایز رقابت می کنند ، و همچنین یک مسابقه توسعه معیارهای امتیازدهی (یک مسابقه برای اندازه گیری افتراقی بهتر) و یک مسابقه طراحی شده برای بهبود قابلیت استفاده از کد منبع حل کنندگان (مسابقه منبع باز و توسعه) می باشد . این چالش توسط بخش تحقیقات ارتباطات ایمنی عمومی NIST (PSCR) برگزار می شود و توسط DrivenData و HeroX مدیریت می شود.

Better Meter Stick for Differential Privacy Contest یک جایزه کلی 29000 دلاری یک جایزه کل 147000 دلاری و یک جایزه به مبلغ 100000 دلار ی به تیم های برتر در مسابقات اهدا می کند.

https://techxplore.com

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *