構(gòu)建數(shù)據(jù)分析匿名化流水線

定　價：￥58.00

作　者：	[美] 盧克·阿布克爾，[美] 卡里德·埃爾·伊馬姆著
出版社：	中國電力出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787519856731	出版時間：	2021-08-01	包裝：	平裝
開本：	16開	頁數(shù)：	184	字數(shù)：

內(nèi)容簡介

　　制定多種匿名化解決方案，覆蓋多種應用場景，滿足對可識別性的不同要求。解決方案跟所用數(shù)據(jù)、數(shù)據(jù)接收方和分析目標相匹配。為數(shù)據(jù)采集模式量身定制匿名化流水線，覆蓋不同業(yè)務需求。為原始數(shù)據(jù)生成匿名化版本或用分析平臺生成匿名化輸出。檢查匿名數(shù)據(jù)使用的倫理問題。

作者簡介

　　Luk Arbuckle是Privacy Analytics公司首席方法官，為負責任地使用和分享數(shù)據(jù)提供策略指導，為隱私增強技術和方法提供創(chuàng)新。Luk曾擔任加拿大隱私專員辦公室主任。 Khaled El Emam是Replica Analytics公司合伙人和CEO，該公司致力于開發(fā)合成數(shù)據(jù)。他還是加拿大渥太華大學醫(yī)學院教授、東安大略兒童醫(yī)院研究所資深研究員。

圖書目錄

目錄
前言1
第1章簡介11
可識別性12
術語介紹13
法律法規(guī)15
數(shù)據(jù)狀態(tài)18
匿名化作為數(shù)據(jù)保護措施21
許可或同意23
目的說明25
重識別攻擊27
匿名化落地31
小結(jié)34
第2章可識別性范圍37
法律環(huán)境37
披露風險39
披露類型40
數(shù)據(jù)隱私的維度42
重識別科學46
確定群體48
匹配方向51
數(shù)據(jù)結(jié)構(gòu)54
總體可識別性57
小結(jié)59
第3章風險管理實用框架61
“五個安全”匿名化框架62
安全項目65
安全人員68
安全環(huán)境71
安全數(shù)據(jù)74
安全輸出78
“五個安全”框架落地81
小結(jié)83
第4章明識數(shù)據(jù)85
需求收集86
應用場景87
數(shù)據(jù)流91
數(shù)據(jù)和數(shù)據(jù)主體93
從主要到次要用途97
處理直接標識符99
處理間接標識符100
從明識到匿名102
明識數(shù)據(jù)和匿名數(shù)據(jù)相混合105
將匿名化應用于明識數(shù)據(jù)109
小結(jié)112
第5章偽匿名數(shù)據(jù)113
數(shù)據(jù)保護和法律權威113
偽匿名化服務114
法定權力116
合法權益117
匿名化第一步119
重新反思“從主要到次要用途”122
分析平臺123
合成數(shù)據(jù)127
生物統(tǒng)計特征標識符133
小結(jié)135
第6章匿名數(shù)據(jù)137
再思考可識別性范圍138
源頭匿名化141
匯總匿名數(shù)據(jù)145
從源頭采集數(shù)據(jù)的利弊146
從源頭采集數(shù)據(jù)的方法147
安全匯總149
訪問存儲數(shù)據(jù)151
反哺源頭匿名化151
小結(jié)153
第7章安全使用155
信任基礎156
信任算法158
AIML技術159
技術難點161
信任失控的算法164
負責任AIML技術的原則168
管理和監(jiān)督169
隱私倫理170
數(shù)據(jù)監(jiān)控171
小結(jié)172
作者介紹173
封面介紹174