Διοικητικές πληροφορίες
| Τίτλος | Εισαγωγή στο Data Privacy |
| Διάρκεια | 135 λεπτά |
| Ενότητα | Β |
| Είδος μαθήματος | Διάλεξη |
| Εστίαση | Ηθική — Αξιόπιστη ΤΝ |
| Θέμα | Προστασία προσωπικών δεδομένων |
Λέξεις-κλειδιά
Προστασία προσωπικών δεδομένων, Κίνδυνος απορρήτου, Προσωπικά δεδομένα, Ευαίσθητα δεδομένα, Κατασκευή προφίλ, Παρακολούθηση, Ανωνυμοποίηση, Ιδιωτικότητα στη Μηχανική Μάθηση, ΠΙΠ, Ψευδωνωνυμοποίηση, Άμεσα και έμμεσα αναγνωριστικά,
Μαθησιακοί στόχοι
- Αποκτήστε μια γενική κατανόηση της έννοιας της ιδιωτικής ζωής.
- Κατανοήστε τις δυσκολίες και τις παγίδες της ανάλυσης απορρήτου των δεδομένων και του εντοπισμού των προσωπικών δεδομένων.
- Κατανοήστε την αντιστάθμιση μεταξύ της ανωνυμοποίησης και της χρησιμότητας δεδομένων (χωρίς δωρεάν γεύμα).
- Κατανοήστε τη διαφορά μεταξύ της ασφάλειας των δεδομένων και του απορρήτου των δεδομένων.
- Μάθετε τις βασικές αρχές της ανώνυμης επικοινωνίας και του ΠΙΠ.
- Να διακρίνουν, να διερευνούν και να συζητούν τους βασικούς κινδύνους που εγκυμονούν τα μοντέλα τεχνητής νοημοσύνης και μηχανικής μάθησης
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Υποχρεωτικό για τους φοιτητές
- Βασική γραμμική άλγεβρα,
- Βασική μηχανική μάθηση
Προαιρετικό για Φοιτητές
Καμία.
Αναφορές και υπόβαθρο για τους μαθητές
Συνιστάται για εκπαιδευτικούς
- Γενικός Κανονισμός για την Προστασία Δεδομένων (ΓΚΠΔ)
- Προσωπικά δεδομένα
- Έλεγχος ερωτήματος
- ΠΟΡ
- Παρακολούθηση ιστού
- Εκτεθειμένος! Έρευνα για τις επιθέσεις σε προσωπικά δεδομένα
- Διαφορικό απόρρητο
Υλικό μαθήματος
Οδηγίες για τους εκπαιδευτικούς
Αυτή η διάλεξη παρέχει μια επισκόπηση της ιδιωτικότητας των δεδομένων. Επικεντρώνεται σε διάφορα προβλήματα απορρήτου της παρακολούθησης ιστού, της κοινοχρησίας δεδομένων και της μηχανικής μάθησης, καθώς και σε ορισμένες τεχνικές μετριασμού. Στόχος είναι να παρασχεθούν οι βασικές (τεχνικές) γνώσεις που απαιτούνται για τον εντοπισμό και την προστασία των δεδομένων προσωπικού χαρακτήρα. Το μάθημα ρίχνει φως στο γιατί η άντληση κοινωνικά ή ατομικά χρήσιμων πληροφοριών για τους ανθρώπους αποτελεί πρόκληση χωρίς να αποκαλύπτονται προσωπικές πληροφορίες. Οι δεξιότητες αυτές καθίστανται απαραίτητες για κάθε μηχανικό δεδομένων/λογισμικού και υπεύθυνο προστασίας δεδομένων που ασχολείται με προσωπικά και ευαίσθητα δεδομένα, και απαιτούνται επίσης από τον Ευρωπαϊκό Γενικό Κανονισμό για την Προστασία Δεδομένων (ΓΚΠΔ).
Σχεδιάγραμμα
| Διάρκεια (ελάχ.) | Περιγραφή | Έννοιες |
|---|---|---|
| 20 | Τι είναι η ιδιωτικότητα; | Η ιδιωτικότητα ως θεμελιώδες δικαίωμα. Ιστορία ή ιδιωτικότητα. Σημασία της ιδιωτικότητας. Απεικόνιση της διαρροής δεδομένων· πόσοι άνθρωποι μοιράζονται για τους εαυτούς τους, άμεσα ή έμμεσα; Γιατί η ιδιωτικότητα αποτελεί πρόβλημα; Η σημασία της νομοθεσίας και των τεχνικών λύσεων (PETS). |
| 15 | Ορισμός προσωπικών, ευαίσθητων, εμπιστευτικών δεδομένων | Ορισμός και προσωπικά δεδομένα στο GDPR. Άμεσοι και έμμεσοι αναγνωριστικοί κωδικοί. Ορισμός της αναγνωρισιμότητας. Ενδεικτικά παραδείγματα. Προσδιορισμός ευαίσθητων δεδομένων στον ΓΚΠΔ, παραδείγματα. Προσωπικά vs ευαίσθητα έναντι εμπιστευτικών δεδομένων. |
| 20 | Απεικόνιση της διαρροής προσωπικών δεδομένων: Παρακολούθηση | Σκοπός της παρακολούθησης. Παρακολούθηση ιστού, λήψη δακτυλικών αποτυπωμάτων περιηγητή, παρακολούθηση WiFi, παρακολούθηση υπερήχων, υπόγεια παρακολούθηση μέσω του αισθητήρα βαρομέτρου, συμπέρασμα θέσης από τη χρήση της μπαταρίας, μοναδικότητα των δεδομένων τοποθεσίας |
| 20 | Ψυχολογική κατάρτιση προφίλ | Ωκεάνιο μοντέλο. Συμπέρασμα των χαρακτηριστικών της προσωπικότητας της OCEAN από προσωπικά δεδομένα. Χειραγώγηση μέσω χαρακτηριστικών προσωπικότητας, πολιτικών διαφημίσεων. Απειλή ψυχολογικού προφίλ, γνωστική ασφάλεια. |
| 20 | Ανωνυμοποίηση | Τύποι δεδομένων, διαφορετικοί τύποι χρειάζονται διαφορετικές τεχνικές ανωνυμοποίησης. Ψευδο-ανωνυμοποίηση, απο-ανωνυμοποίηση, εκ νέου ταυτοποίηση. Οιονεί ταυτοποιητές, k-ανωνυμία. Γενίκευση, καταστολή, ομαδοποίηση ως γενικές τεχνικές ανωνυμοποίησης. Ανωνυμοποίηση έναντι χρησιμότητας. Αδυναμία ανωνυμοποίησης χωρίς απώλεια χρησιμότητας. Προβλήματα ανωνυμοποίησης k (γενικές γνώσεις, επίθεση διασταύρωσης). Ανωνυμοποίηση των συγκεντρωτικών δεδομένων· γιατί η ομαδοποίηση δεν εμποδίζει τον επαναπροσδιορισμό. Έλεγχος ερωτήματος. Ελέγχοντας ερωτήματα SUM για τα reals. Σκληρότητα του ελέγχου ερωτημάτων. Ερώτηση διαταραγμένη, Διαφορικό απόρρητο. |
| 20 | Ανώνυμη επικοινωνία | Πρόβλημα ανώνυμης επικοινωνίας. Αποστολέας, ανωνυμία δέκτη, δυνατότητα σύνδεσης. Ανωνυμοποίηση πληρεξουσίου. Chaum MIX, mixnet. Tor, εικονογράφηση του TOR. Εγκατάσταση κυκλώματος στο TOR. Πολιτικές εξόδου. Κάποιες επιθέσεις εναντίον του ΠΙΡ. |
| 20 | Ιδιωτικότητα στην Τεχνητή Νοημοσύνη | Κύρια προβλήματα προστασίας της ιδιωτικής ζωής στη μηχανική μάθηση· συμπέρασμα για την ιδιότητα του μέλους, εξαγωγή μοντέλου, δικαιοσύνη. Πηγή προβλημάτων δικαιοσύνης (προκαταλήψεις στη συλλογή/επισήμανση δεδομένων κατάρτισης, επιλογή χαρακτηριστικών, διαφορετικές πολιτισμικές ερμηνείες της δικαιοσύνης). Προστατευόμενα χαρακτηριστικά. Δικαιοσύνη μέσω της τύφλωσης, περιττές κωδικοποιήσεις (χαρακτηριστικά μεσολάβησης). |
| 5 | Συμπεράσματα | Γιατί έχει σημασία η ιδιωτικότητα; Γιατί η παρακολούθηση είναι πρόβλημα; Γιατί κάποιος έχει κάτι να κρύψει; Γιατί η ιδιωτικότητα είναι δύσκολη; Ποιες αρμοδιότητες έχει ένας υπεύθυνος προστασίας δεδομένων; Γιατί υπάρχει ανάγκη για υπεύθυνους προστασίας δεδομένων; |
Αναγνωρίσεις
Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.