Full metadata record
DC FieldValueLanguage
dc.contributor.authorTempl, Matthias-
dc.date.accessioned2020-05-07T09:05:31Z-
dc.date.available2020-05-07T09:05:31Z-
dc.date.issued2020-
dc.identifier.urihttps://digitalcollection.zhaw.ch/handle/11475/20001-
dc.description.abstractEin wesentlicher Bestandteil moderner Anwendungen in der Welt der digitalen Transformation ist die Analyse von Daten und die Anwendung moderner Machine- und Deep-Learning-Methoden. Begleitend - und oft entscheidend für den Erfolg - findet in allen Bereichen eine immer extensivere Datensammlung statt. Viele der interessantesten Anwendungen, welche uns als Einzelnen indirekt oder direkt betreffen, beinhalten auch die Sammlung und Verarbeitung personenbezogener Daten, vor allem von Mikrodaten (nicht-aggregierter Information). Seit den ersten Datenschutzskandalen in den 90er Jahren weiss auch der Gesetzgeber, dass das Entfernen oder Pseudoanonymisieren direkt identifizierender Attribute wie Namen, Adressen und AHV Nummern in der Regel nicht ausreicht, um Datenschutzverletzungen zu verhindern. Das Kernkonzept der Datenanonymisierung besteht darin, Daten so zu transformieren, dass Re-Identifizierungsrisiken von Personen verringert werden, wobei die Verringerung der Risiken gegen eine Verringerung des Datennutzens abgewogen wird (de-fakto Anonymität). Dies ist eine komplexe Aufgabe welche die Anwendung und Entwicklung komplexer Methoden benötigt. Es sind formalere Ansätze erforderlich, bei denen mathematische und statistische Modelle zur Quantifizierung der Risiken und der Auswirkungen der Anonymisierung auf die Datennutzung verwendet werden. Darüber hinaus müssen komplexe Algorithmen eingesetzt werden, um einerseits das Risiko zu senken und andererseits die Datenqualität und das Analysepotential und die Forschungsfragen nicht zu einzuschränken. Möglichkeiten und Grenzen von Anonymisierung als auch Techniken der Risikoschätzung und Anonymisierung von Mikrodaten (nicht-aggregierte Daten) werden überblicksmässig und allgemein verständlich vorgestellt. Nicht Bestandteil oder nur sehr kleiner Anteil des Vortrages sind Methoden zur Geheimhaltung aggregierter Daten und Pseudoanonymisierung.de_CH
dc.language.isodede_CH
dc.rightsNot specifiedde_CH
dc.subjectDatenschutzde_CH
dc.subjectAnonymisierende_CH
dc.subject.ddc005: Computerprogrammierung, Programme und Datende_CH
dc.titleAnonymisierung von personenbezogenen Datende_CH
dc.typeKonferenz: Sonstigesde_CH
dcterms.typeTextde_CH
zhaw.departementSchool of Engineeringde_CH
zhaw.organisationalunitInstitut für Datenanalyse und Prozessdesign (IDP)de_CH
zhaw.conference.detailsWinterkongress der Digitalen Gesellschaft, Zürich, 22. Februar 2020de_CH
zhaw.funding.euNode_CH
zhaw.originated.zhawYesde_CH
zhaw.publication.statuspublishedVersionde_CH
zhaw.publication.reviewNot specifiedde_CH
zhaw.author.additionalNode_CH
zhaw.display.portraitYesde_CH
Appears in Collections:Publikationen School of Engineering

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.