Минимизация объема данных не гарантирует конфиденциальность
•Распространение систем, управляемых данными, увеличивает риски для конфиденциальности. •Международные механизмы защиты данных, такие как GDPR и CPRA, требуют минимизации данных. •Принцип минимизации данных требует сбора только необходимых данных для достижения целей. •Данные должны собираться для законных и конкретных целей. •Использование данных для других целей запрещено. •В ML цель сбора данных — достижение оптимальной производительности модели. •Данные должны быть адекватными, релевантными и ограниченными. •Удаление данных, не служащих цели, является ключевым принципом минимизации. •В ML это означает сохранение данных, повышающих производительность модели. •Минимизация данных подразумевает обеспечение конфиденциальности. •Принцип минимизации данных широко распространен в общественных кругах. •Закон ЕС об искусственном интеллекте требует применения принципов минимизации и защиты данных. •Корреляция между функциями данных может позволить реконструкцию. •Простое сведение данных к минимуму не гарантирует конфиденциальность. •Аудит конфиденциальности включает атаки для оценки утечки информации. •Пример минимизации данных из изображения показывает, что удаление пикселей не всегда приводит к потере информации. •Атаки на реконструкцию и повторную идентификацию могут быть использованы для восстановления данных. •Текущие меры по минимизации не обеспечивают надежных гарантий конфиденциальности. •Минимизация должна включать конфиденциальность в свои цели. •В статье предлагается эмпирическое исследование и возможные решения.
Этот пост подготовила нейросеть: сделала выжимку статьи и, возможно, даже перевела ее с английского. А бот опубликовал пост в Сетке.
