Os defensores da privacidade colocaram um estigma injusto no aprendizado de máquina.
Apesar do que você possa ter ouvido na mídia de massa, o aprendizado de máquina não é uma ferramenta diabólica para invadir a privacidade das pessoas. De qualquer forma, agora que a União Europeia O Regulamento Geral de Proteção de Dados entrou em vigor, há um escrutínio ainda mais forte de aplicações de ML em marketing de segmentação, engajamento do cliente, otimização de experiência e outros casos de uso que envolvem informações de identificação pessoal, ou PII.
Mas, na verdade, o ML está se tornando um elemento-chave na forma como as organizações gerenciam a conformidade com o GDPR e outras normas de privacidade. O papel central do ML na conformidade com o GDPR reside em seu uso como ferramenta para descobrir, organizar, curar e controlar ativos de PII corporativos em ambientes de aplicativos complexos e distribuídos.
Nos últimos meses, a Wikibon tem observado um aumento no número de produtos que incorporam ML para fins de descoberta em portfólios mais amplos de soluções de conformidade com o GDPR. Este é um facilitador fundamental para impulsionar o processamento automatizado de solicitações de titulares de dados para conceder ou negar consentimentos para o uso de suas PII em ambientes de dados complexos. Também é essencial para a contabilidade transparente de como suas PII estão sendo usadas e gerenciadas, bem como para a emissão de notificações imediatas quando esses dados forem violados.
Aqui estão alguns fornecedores notáveis de soluções de descoberta de PII para conformidade com o GDPR. Na discussão a seguir, destacamos os diferentes casos de uso do GDPR e os cenários de implantação que cada um aborda:
- ML para descoberta de PII em um pipeline de DevOps: BigID Inc. utiliza ML para rastrear continuamente alterações em PII em ambientes de produção e desenvolvimento no data center ou na nuvem. Seu BigOps utiliza ML para descobrir, contextualizar e catalogar PII em todos os armazenamentos de dados. Ele se conecta a ambientes DevOps de código aberto, como o Jenkins, para monitorar automaticamente as alterações em PII ao longo do ciclo de vida do desenvolvimento. E utiliza ML para comparar seus dados com bancos de dados suspeitos de pirataria, a fim de determinar rapidamente onde houve uma violação que exija notificação imediata.
- ML para descoberta de PII para acelerar o processamento do “direito de ser esquecido”: Sistemas de tearutiliza ML para analisar logs e dados de máquina não estruturados para visibilidade imediata dos ambientes de TI. Sua Sophie para GDPR possui um recurso "encontre minhas PII" que automatiza a coleta de conjuntos de dados de log sensíveis, permitindo a localização e exclusão rápidas de PII mediante solicitação do titular dos dados, de acordo com o mandato de "direito ao esquecimento" das PII. Saiba mais aqui.