La technologie de données synthétiques de Statice fait désormais partie d'Anonos Data Embassy, la solution primée de sécurité des données et de protection de la vie privée.
La popularité des données synthétiques est en hausse. Pour de nombreuses équipes, les données synthétiques représentent un moyen sûr d'innover tout en se conformant aux réglementations sur la confidentialité des données. Mais l'utilisation de données synthétiques ne dispense pas les entreprises d'évaluer les risques de réidentification, comme l'exige le GDPR.
Nos évaluateurs de confidentialité permettent aux équipes de données d'évaluer la robustesse des données synthétiques contre les attaques de ré-identification en un seul clic. Avec les évaluateurs Statice, les entreprises peuvent simplifier l'adoption des données synthétiques, se conformer facilement aux exigences d'anonymisation et protéger la vie privée des individus.
Le processus de génération de données synthétiques rompt de manière irréversible les liens biunivoques entre les enregistrements de données synthétiques et réels. Cette approche irréversible réduit le risque de réidentification.
Cependant, les modèles d'apprentissage profond utilisés pour la génération de données synthétiques peuvent mémoriser des caractéristiques pendant le processus de synthèse. En fin de compte, ces modèles mémorisés peuvent être reproduits dans les données synthétiques, ce qui entraîne des fuites dans la vie privée.
L'évaluation des risques liés aux données synthétiques est laissée à la discrétion de chaque entreprise. En raison du peu de recommandations disponibles, la mise en œuvre d'une évaluation des risques devient un défi et met en danger la vie privée des individus. Pour combler cette lacune, nous avons développé un ensemble d'évaluations afin que vous puissiez mesurer les risques de réidentification des données synthétiques.
Ce kit d'évaluation permet d'évaluer, sur la base de données, la protection contre tous les risques connus de réidentification liés aux données synthétiques.
Déploiement rapide de données synthétiques pour les équipes de science des données grâce à un kit de confidentialité prêt à l'emploi
Documentation facile de la solidité de la protection des données afin de faciliter les processus de conformité pour les DPD.
Protection de pointe de la vie privée des personnes concernées et des secrets d'affaires
Cet évaluateur de liabilité mesure le risque de réidentification en évaluant l'aide que les données synthétiques apportent à un attaquant qui souhaite établir des liens entre des enregistrements appartenant à la même personne.
L'évaluateur d'inférence détecte les fuites de confidentialité en évaluant la quantité d'informations qu'un attaquant ayant une connaissance partielle des données originales pourrait obtenir en voyant les données synthétiques. Si les données synthétiques fournissent plus d'informations sur les données de formation qu'elles n'en fournissent sur les données de test retenues, il y a une fuite de confidentialité.
L'évaluateur Singling Out analyse la probabilité d'isoler les enregistrements qui permettraient d'identifier un individu. Il mesure la robustesse de l'ensemble de données par rapport à un scénario dans lequel un attaquant utiliserait les données synthétiques pour déterminer la présence d'un individu dans l'ensemble de données.
L'équipe chargée des données de Provinzial devait fournir une solution à haut degré de préservation de la vie privée qui satisfasse non seulement au GDPR, mais aussi aux exigences internes en matière de confidentialité. D'autres outils présentaient un plus grand risque de réidentification et n'offraient aucun moyen d'évaluer la confidentialité. Avec les évaluateurs de Statice, Provinzial a raccourci de trois mois le processus d'évaluation des risques liés à la confidentialité des données.
Guide | anonymisation & données synthétiques : un guide sur les exigences légales en matière d'anonymisation des données.
guide de lecture
Brochure | Protection de la vie privée et des données avec Statice : approche globale de la protection de la vie privée
lire la brochure
Webinar | Les défis de la confidentialité des données et les mécanismes de protection des données synthétiques.
accès au webinaire
