नेटवर्क पैकेट ब्रोकर में डेटा मास्किंग तकनीक और समाधान क्या है?

4. आमतौर पर इस्तेमाल की जाने वाली डेटा मास्किंग तकनीकें

(1). सांख्यिकीय तकनीकें

डेटा सैंपलिंग और डेटा एग्रीगेशन

- डेटा सैंपलिंग: डेटा सेट के प्रतिनिधि उपसमूह का चयन करके मूल डेटा सेट का विश्लेषण और मूल्यांकन करना, पहचान छिपाने की तकनीकों की प्रभावशीलता को बेहतर बनाने का एक महत्वपूर्ण तरीका है।

- डेटा एकत्रीकरण: माइक्रोडाटा में मौजूद विशेषताओं पर लागू की गई सांख्यिकीय तकनीकों (जैसे योग, गणना, औसत, अधिकतम और न्यूनतम) के संग्रह के रूप में, परिणाम मूल डेटा सेट के सभी रिकॉर्ड का प्रतिनिधित्व करता है।

(2). क्रिप्टोग्राफी

क्रिप्टोग्राफी संवेदनहीनता को कम करने या उसकी प्रभावशीलता बढ़ाने की एक सामान्य विधि है। विभिन्न प्रकार के एन्क्रिप्शन एल्गोरिदम अलग-अलग संवेदनहीनता प्रभाव प्राप्त कर सकते हैं।

- नियतात्मक एन्क्रिप्शन: एक गैर-यादृच्छिक सममित एन्क्रिप्शन। यह आमतौर पर आईडी डेटा को संसाधित करता है और आवश्यकता पड़ने पर सिफरटेक्स्ट को डिक्रिप्ट करके मूल आईडी में पुनर्स्थापित कर सकता है, लेकिन कुंजी को ठीक से सुरक्षित रखना आवश्यक है।

- अपरिवर्तनीय एन्क्रिप्शन: डेटा को संसाधित करने के लिए हैश फ़ंक्शन का उपयोग किया जाता है, जो आमतौर पर पहचान डेटा के लिए उपयोग किया जाता है। इसे सीधे डिक्रिप्ट नहीं किया जा सकता है और मैपिंग संबंध को सुरक्षित रखना आवश्यक है। इसके अलावा, हैश फ़ंक्शन की विशेषता के कारण, डेटा टकराव की संभावना रहती है।

- समरूप एन्क्रिप्शन: इसमें सिफरटेक्स्ट समरूप एल्गोरिदम का उपयोग किया जाता है। इसकी विशेषता यह है कि डिक्रिप्शन के बाद सिफरटेक्स्ट ऑपरेशन का परिणाम प्लेनटेक्स्ट ऑपरेशन के परिणाम के समान होता है। इसलिए, इसका उपयोग आमतौर पर संख्यात्मक क्षेत्रों को संसाधित करने के लिए किया जाता है, लेकिन प्रदर्शन संबंधी कारणों से इसका व्यापक उपयोग नहीं होता है।

(3). सिस्टम प्रौद्योगिकी

यह दमन तकनीक गोपनीयता सुरक्षा मानकों का उल्लंघन करने वाले डेटा आइटम को हटा देती है या छिपा देती है, लेकिन उन्हें प्रकाशित नहीं करती है।

- मास्किंग: यह विशेषता मान को छिपाने की सबसे आम संवेदनहीनता विधि को संदर्भित करता है, जैसे कि प्रतिद्वंद्वी संख्या, पहचान पत्र पर तारांकन चिह्न लगाना, या पते को छोटा करना।

- स्थानीय दमन: यह विशिष्ट विशेषता मानों (स्तंभों) को हटाने, गैर-आवश्यक डेटा फ़ील्ड को हटाने की प्रक्रिया को संदर्भित करता है;

- रिकॉर्ड दमन: इसका तात्पर्य विशिष्ट रिकॉर्ड (पंक्तियों) को हटाने, गैर-जरूरी डेटा रिकॉर्ड को हटाने की प्रक्रिया से है।

(4). छद्मनाम प्रौद्योगिकी

छद्मनाम का उपयोग एक ऐसी तकनीक है जो प्रत्यक्ष पहचानकर्ता (या अन्य संवेदनशील पहचानकर्ता) के स्थान पर छद्मनाम का प्रयोग करती है। छद्मनाम तकनीक प्रत्यक्ष या संवेदनशील पहचानकर्ताओं के स्थान पर प्रत्येक व्यक्तिगत सूचना विषय के लिए अद्वितीय पहचानकर्ता बनाती है।

- यह मूल आईडी के अनुरूप स्वतंत्र रूप से यादृच्छिक मान उत्पन्न कर सकता है, मैपिंग तालिका को सहेज सकता है, और मैपिंग तालिका तक पहुंच को सख्ती से नियंत्रित कर सकता है।

- आप छद्मनाम बनाने के लिए एन्क्रिप्शन का भी उपयोग कर सकते हैं, लेकिन इसके लिए डिक्रिप्शन कुंजी को ठीक से सुरक्षित रखना आवश्यक है;

यह तकनीक बड़ी संख्या में स्वतंत्र डेटा उपयोगकर्ताओं के मामले में व्यापक रूप से उपयोग की जाती है, जैसे कि ओपन प्लेटफॉर्म परिदृश्य में ओपनआईडी, जहां विभिन्न डेवलपर एक ही उपयोगकर्ता के लिए अलग-अलग ओपनआईडी प्राप्त करते हैं।

(5). सामान्यीकरण तकनीकें

सामान्यीकरण तकनीक एक ऐसी तकनीक है जो डेटा सेट में चयनित विशेषताओं की सूक्ष्मता को कम करती है और डेटा का अधिक सामान्य और सारगर्भित विवरण प्रदान करती है। सामान्यीकरण तकनीक को लागू करना आसान है और यह रिकॉर्ड-स्तर के डेटा की प्रामाणिकता को सुरक्षित रख सकती है। इसका उपयोग आमतौर पर डेटा उत्पादों या डेटा रिपोर्टों में किया जाता है।

- राउंडिंग: इसमें चयनित विशेषता के लिए राउंडिंग आधार का चयन करना शामिल है, जैसे कि ऊपर या नीचे की ओर फोरेंसिक राउंडिंग, जिससे 100, 500, 1K और 10K जैसे परिणाम प्राप्त होते हैं।

- शीर्ष और नीचे कोडिंग तकनीकें: थ्रेशहोल्ड से ऊपर (या नीचे) के मानों को शीर्ष (या निचले) स्तर का प्रतिनिधित्व करने वाले थ्रेशहोल्ड से बदलें, जिससे "X से ऊपर" या "X से नीचे" का परिणाम प्राप्त होगा।

(6). यादृच्छिकीकरण तकनीकें

पहचान छिपाने की एक तकनीक के रूप में, रैंडमाइजेशन तकनीक का तात्पर्य किसी विशेषता के मान को रैंडमाइजेशन के माध्यम से इस प्रकार संशोधित करना है कि रैंडमाइजेशन के बाद का मान मूल वास्तविक मान से भिन्न हो। यह प्रक्रिया हमलावर द्वारा समान डेटा रिकॉर्ड में अन्य विशेषताओं के मानों से किसी विशेषता का मान निकालने की क्षमता को कम करती है, लेकिन इससे प्राप्त डेटा की प्रामाणिकता प्रभावित होती है, जो उत्पादन परीक्षण डेटा में आम बात है।