नेटवर्क पॅकेट ब्रोकरमधील डेटा मास्किंग तंत्रज्ञान आणि उपाययोजना काय आहे?

४. सामान्यतः वापरल्या जाणाऱ्या डेटा मास्किंग तंत्रे

(1). सांख्यिकीय तंत्रे

डेटा नमुना आणि डेटा एकत्रीकरण

डेटा सॅम्पलिंग: डी-आयडेंटिफिकेशन तंत्रांची परिणामकारकता सुधारण्यासाठी, डेटा सेटमधील प्रातिनिधिक उपसंच निवडून मूळ डेटा सेटचे विश्लेषण आणि मूल्यांकन करणे ही एक महत्त्वाची पद्धत आहे.

डेटा एकत्रीकरण: मायक्रोडेटामधील गुणधर्मांवर लागू केलेल्या सांख्यिकीय तंत्रांचा (जसे की बेरीज, मोजणी, सरासरी, कमाल आणि किमान) संग्रह म्हणून, मिळणारा परिणाम मूळ डेटा सेटमधील सर्व रेकॉर्डचे प्रतिनिधित्व करतो.

(२). क्रिप्टोग्राफी

असंवेदनशीलता कमी करण्यासाठी किंवा असंवेदनशीलतेची परिणामकारकता वाढवण्यासाठी क्रिप्टोग्राफी ही एक सामान्य पद्धत आहे. वेगवेगळ्या प्रकारच्या एन्क्रिप्शन अल्गोरिदमद्वारे वेगवेगळे असंवेदनशीलतेचे परिणाम साधता येतात.

- डिटरमिनिस्टिक एन्क्रिप्शन: एक नॉन-रँडम सिमेट्रिक एन्क्रिप्शन. हे सहसा आयडी डेटावर प्रक्रिया करते आणि आवश्यकतेनुसार सायफरटेक्स्ट डिक्रिप्ट करून मूळ आयडीमध्ये परत आणू शकते, परंतु की योग्यरित्या संरक्षित करणे आवश्यक आहे.

- अपरिवर्तनीय एनक्रिप्शन: हॅश फंक्शनचा वापर डेटावर प्रक्रिया करण्यासाठी केला जातो, जो सामान्यतः आयडी डेटासाठी वापरला जातो. तो थेट डिक्रिप्ट केला जाऊ शकत नाही आणि मॅपिंग संबंध जतन करणे आवश्यक आहे. याव्यतिरिक्त, हॅश फंक्शनच्या वैशिष्ट्यामुळे, डेटा कोलिजन (data collision) होऊ शकते.

होमोमॉर्फिक एन्क्रिप्शन: यामध्ये सायफरटेक्स्ट होमोमॉर्फिक अल्गोरिदम वापरला जातो. याचे वैशिष्ट्य म्हणजे, डिक्रिप्शननंतर सायफरटेक्स्ट ऑपरेशनचा निकाल हा प्लेनटेक्स्ट ऑपरेशनच्या निकालासारखाच असतो. त्यामुळे, याचा वापर सामान्यतः संख्यात्मक क्षेत्रांवर प्रक्रिया करण्यासाठी केला जातो, परंतु कार्यक्षमतेच्या कारणांमुळे याचा वापर व्यापकपणे केला जात नाही.

(3). प्रणाली तंत्रज्ञान

दमन तंत्रज्ञान हे गोपनीयतेच्या संरक्षणाची पूर्तता न करणाऱ्या डेटा आयटम्सना हटवते किंवा संरक्षित करते, परंतु त्यांना प्रकाशित करत नाही.

- मास्किंग: ही गुणधर्माचे मूल्य लपवण्यासाठी वापरली जाणारी सर्वात सामान्य संवेदनशीलता कमी करण्याची पद्धत आहे, जसे की प्रतिस्पर्ध्याचा क्रमांक, ओळखपत्रावर तारकाचिन्ह लावणे किंवा पत्ता संक्षिप्त करणे.

- स्थानिक दमन: म्हणजे विशिष्ट गुणधर्म मूल्ये (स्तंभ) हटवण्याची, अनावश्यक डेटा फील्ड काढून टाकण्याची प्रक्रिया;

- रेकॉर्ड सप्रेशन: म्हणजे विशिष्ट रेकॉर्ड (ओळी) हटवण्याची, म्हणजेच अनावश्यक डेटा रेकॉर्ड हटवण्याची प्रक्रिया.

(4). टोपणनाव तंत्रज्ञान

छद्मनामिकीकरण हे ओळख लपवण्याचे एक तंत्र आहे, ज्यामध्ये थेट ओळखपत्र (किंवा इतर संवेदनशील ओळखपत्र) बदलण्यासाठी छद्मनावाचा वापर केला जातो. छद्मनामिक तंत्रे थेट किंवा संवेदनशील ओळखपत्रांऐवजी, प्रत्येक माहिती धारकासाठी एक अद्वितीय ओळखपत्र तयार करतात.

ते मूळ आयडीशी जुळण्यासाठी स्वतंत्रपणे यादृच्छिक मूल्ये तयार करू शकते, मॅपिंग टेबल जतन करू शकते आणि मॅपिंग टेबलवरील प्रवेशावर कठोर नियंत्रण ठेवू शकते.

तुम्ही टोपणनावे तयार करण्यासाठी एनक्रिप्शनचा वापर देखील करू शकता, परंतु डिक्रिप्शन की योग्य रीतीने जपून ठेवणे आवश्यक आहे;

हे तंत्रज्ञान मोठ्या संख्येने स्वतंत्र डेटा वापरकर्त्यांच्या बाबतीत मोठ्या प्रमाणावर वापरले जाते, जसे की ओपन प्लॅटफॉर्मच्या परिस्थितीत ओपनआयडी (OpenID), जिथे वेगवेगळे डेव्हलपर एकाच वापरकर्त्यासाठी वेगवेगळे ओपनआयडी मिळवतात.

(5). सामान्यीकरण तंत्रे

सामान्यीकरण तंत्र म्हणजे एक असे ओळख लपवण्याचे तंत्र आहे, जे डेटा सेटमधील निवडक गुणधर्मांची सूक्ष्मता कमी करते आणि डेटाचे अधिक सामान्य व अमूर्त वर्णन प्रदान करते. सामान्यीकरण तंत्रज्ञान अंमलात आणायला सोपे आहे आणि ते रेकॉर्ड-स्तरीय डेटाची सत्यता जपू शकते. याचा वापर सामान्यतः डेटा उत्पादनांमध्ये किंवा डेटा अहवालांमध्ये केला जातो.

- पूर्णांकीकरण: यामध्ये निवडलेल्या गुणधर्मासाठी पूर्णांकीकरणाचा आधार निवडला जातो, जसे की वरच्या दिशेने किंवा खालच्या दिशेने, ज्यामुळे 100, 500, 1K, आणि 10K असे निकाल मिळतात.

- टॉप आणि बॉटम कोडिंग तंत्र: थ्रेशोल्डच्या वर (किंवा खाली) असलेल्या व्हॅल्यूजला, सर्वात वरची (किंवा खालची) पातळी दर्शवणाऱ्या थ्रेशोल्डने बदला, ज्यामुळे "X च्या वर" किंवा "X च्या खाली" असा निकाल मिळतो.

(6). यादृच्छिकीकरण तंत्रे

डी-आयडेंटिफिकेशन तंत्राचा एक प्रकार म्हणून, रँडमायझेशन तंत्रज्ञान म्हणजे रँडमायझेशनद्वारे एखाद्या ॲट्रिब्यूटच्या मूल्यात बदल करणे, जेणेकरून रँडमायझेशननंतरचे मूल्य मूळ वास्तविक मूल्यापेक्षा वेगळे असेल. ही प्रक्रिया हल्लेखोराची त्याच डेटा रेकॉर्डमधील इतर ॲट्रिब्यूट मूल्यांवरून एखाद्या ॲट्रिब्यूटचे मूल्य मिळवण्याची क्षमता कमी करते, परंतु परिणामी डेटाच्या सत्यतेवर परिणाम करते, जे प्रोडक्शन टेस्ट डेटामध्ये सामान्य आहे.