

Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Uma certa organização gostaria de compartilhar dados com um grupo de pesquisadores de uma universidade para a condução de um estudo sobre problemas ergonômicos nos seus escritórios. Entre os dados coletados, há informações sensíveis sobre seus funcionários; portanto, o responsável pela coleta decidiu anonimizar os dados. Isso foi feito removendo-se nomes e outros campos identificadores e adicionando-se um número identificador próprio a cada funcionário. Dessa forma, a identidade dos funcionários seria preservada. Após a verificação de uma amostra, o pesquisador responsável pelo estudo recomendou medidas que deveriam ser aplicadas antes que os dados pudessem ser aceitos para o estudo.
O problema que mais provavelmente motivou a recomendação do pesquisador e uma medida que pode mitigar esse problema são, respectivamente:
os dados podem ser reidentificados usando uma combinação dos campos restantes → embaralhamento dos campos;
o número identificador não é suficiente para separar os dados → hashing usando os campos restantes;
os dados podem ser reidentificados utilizando dados externos ao conjunto compartilhado → privacidade diferencial;
os dados podem ser reidentificados através de engenharia reversa do número identificador → randomização não linear dos identificadores;
o campos restantes podem ser usados para deduzir informação não inclusa no conjunto de dados → k-anonimato.