計算機技術評論 - Shaip

6 年選擇數據採集合作夥伴時不應忽視的 2021 件事

整個星球都在線且相互連接,我們也在集體生成不可估量的數據。 由於此數據在線存儲並隔離以便於檢索,但隨著數據利用的隱私和其他威脅的複雜性也增加了。 本文強調了數據去標識化模型的重要性。

文章的要點在這裡-

  • 數據去標識化是將個人的個人身份與其數據分離的過程。 根據機器學習 (ML) 技術的現狀,可以很容易地檢測模式並根據提供的個人信息識別人員。 因此,對這些模型進行監管很重要。
  • 現在有了數據去識別化模型,可以減少某些信息的流動。 HIPAA 推薦了兩種經批准的數據去標識化方法。 這些方法是專家判定法和安全港法。
  • 公司可以選擇從他們的記錄中完全刪除數據或他們的標識符,或者他們可以使用去標識化 API 從他們的數據集中刪除這些標識符。 然而,第一種方法是有效的,但您可能希望在內部檢索數據以進行各種搜索,此時第二種方法可能會變得困難。

在這裡閱讀完整的文章:

https://www.techgogoal.com/2021/07/17/the-complexities-of-data-de-identification-in-layman-terms/

社交分享

讓我們今天討論一下您的 AI 訓練數據需求。