Haldusteave
| Ametinimetus | Sissejuhatus andmekaitsesse |
| Kestus | 135 min |
| Moodul | B |
| Õppetunni liik | Loeng |
| Keskendumine | Eetiline – usaldusväärne tehisintellekt |
| Teema | Andmete privaatsus |
Võtmesõnad
Andmete privaatsus, privaatsusrisk, isikuandmed, tundlikud andmed, profileerimine, jälgimine, anonüümimine, privaatsus masinõppes, TOR, pseudonüümimine, otsesed ja kaudsed identifikaatorid,
Õpieesmärgid
- Omandage üldine arusaam privaatsuse mõistest.
- Mõista andmekaitse analüüsi ja isikuandmete avastamise raskusi ja lõkse.
- Mõista kompromissi anonüümimise ja andmete kasulikkuse vahel (vaba lõunasöök puudub).
- Mõista erinevust andmete turvalisuse ja privaatsuse vahel.
- Õppige anonüümse kommunikatsiooni ja traditsiooniliste omavahendite aluspõhimõtteid.
- Mõistke, uurige ja arutage peamisi riske, mida tehisintellekti ja masinõppe mudelid tutvustavad
Eeldatav ettevalmistamine
Õppeüritused, mis tuleb lõpetada enne
Kohustuslik õpilastele
- Elementaarne lineaarne algebra,
- Põhiline masinõpe
Valikuline õpilastele
Puudub.
Viited ja taust õpilastele
Soovitatav õpetajatele
- Isikuandmete kaitse üldmäärus (GDPR)
- Isikuandmed
- Päringu auditeerimine
- TOR
- Veebi jälgimine
- Paljastatud! Uuring eraandmete rünnete kohta
- Diferentseeritud privaatsus
Juhised õpetajatele
See loeng annab ülevaate andmekaitsest. See keskendub erinevatele privaatsusprobleemidele veebi jälgimisel, andmete jagamisel ja masinõppel, samuti mõnedele leevendustehnikatele. Eesmärk on anda olulised (tehnilised) taustteadmised, mis on vajalikud isikuandmete tuvastamiseks ja kaitsmiseks. Kursus heidab valgust sellele, miks sotsiaalselt või individuaalselt kasulikku teavet inimeste kohta on keeruline ilma isikuandmeid avaldamata. Need oskused on muutumas iga isikuandmete ja tundlike andmetega tegeleva andme-/tarkvarainseneri ja andmekaitseametniku kohustuslikuks ning seda nõuab ka Euroopa isikuandmete kaitse üldmäärus (GDPR).
Kontuur
| Kestus (min) | Kirjeldus | Mõisted |
|---|---|---|
| 20 | Mis on privaatsus? | Eraelu puutumatus kui põhiõigus. Ajalugu või privaatsust. Privaatsuse tähtsus. Andmete lekete illustratsioon; kui palju inimesed jagavad neid otseselt või kaudselt? Miks on privaatsus probleem? Õigusaktide ja tehniliste lahenduste (PETS) tähtsus. |
| 15 | Isiklike, tundlike ja konfidentsiaalsete andmete määratlus | Määratlus ja isikuandmed isikuandmete kaitse üldmääruses. Otsesed vs kaudsed identifikaatorid. Määratlus identifitseeritavuse kohta. Illustreerivad näited. Delikaatsete andmete määratlemine isikuandmete kaitse üldmääruses, näited. Isiklikud vs tundlikud vs konfidentsiaalsed andmed. |
| 20 | Illustratsioon isikuandmete Leakage: Jälgimine | Jälgimise eesmärk. Veebi jälgimine, brauseri sõrmejälgede võtmine, WiFi jälgimine, ultraheli jälgimine, maa-alune jälgimine baromeetri anduri kaudu, asukoha tuletamine aku kasutamisest, asukohaandmete unikaalsus |
| 20 | Psühholoogiline profileerimine | Ookeani mudel. OCEANi isiksuseomaduste tuletamine isikuandmetest. Manipuleerimine isiksuseomaduste, poliitiliste reklaamide kaudu. Psühholoogilise profiilianalüüsi oht, kognitiivne turvalisus. |
| 20 | Anonüümimine | Andmetüübid, eri tüübid vajavad erinevaid anonüümimismeetodeid. Pseudoanonüümimine, deanonüümimine, taasidentifitseerimine. Kvaasiidentifikaatorid, k-anonüümsus. Üldistamine, allasurumine, klasterdamine üldiste k-anonüümimistehnikatena. Anonüümimine vs utiliit. Anonüümimise võimatus ilma kasulikkuse kaotuseta. K-anonüümimise probleemid (taustteave, ristumisrünnak). Koondandmete anonüümimine; miks koondamine ei takista uuesti identifitseerimist. Päringute auditeerimine. Auditeerimine SUM päringud üle reals. Päringute auditeerimise kõvadus. Päringu häirimine, diferentseeritud privaatsus. |
| 20 | Anonüümne suhtlus | Anonüümse suhtluse probleem. Saatja, vastuvõtja anonüümsus, seostamatus. Anonüümne asendusliige. Chaum MIX, mixnet. Tor, TOR illustratsioon. Vooluahela seadistamine TOR-s. Väljumispoliitika. Mõned rünnakud traditsiooniliste omavahendite vastu. |
| 20 | Privaatsus tehisintellektis | Peamised privaatsusprobleemid masinõppes; liikmelisuse järeldus, mudeli väljavõtmine, õiglus. Õigluse probleemide allikas (kõrvaldamine andmete kogumisel/märgistamisel, objektide valik, õigluse erinevad kultuurilised tõlgendused). Kaitstud atribuudid. Õiglus läbi pimeduse, üleliigsed kodeeringud (proxy atribuudid). |
| 5 | Järeldused | Miks on privaatsus oluline? Miks järelevalve on probleem? Miks on kellelgi midagi varjata? Miks on privaatsus raske? Millised on andmekaitseametniku pädevused? Miks on vaja andmekaitseametnikke? |
Tunnustused
Inimkeskse tehisintellekti magistriprogrammi kaasfinantseeris Euroopa Liidu Ühendamise Rahastu toetusega CEF-TC-2020–1 „Digioskused 2020“-EU-IA-0068.