Nos services
Nos services tournent autour de l’audit des ensembles de données anonymes et de la quantification du risque de réidentification des unités individuelles. Ils s’appuient sur la méthode « Quantile at Risk » (QaR), développée par nos experts dans un consortium international et publiée sous le nom de spécification AFNOR Z90-030. La méthode est suffisamment générique pour s’appliquer à tout secteur confronté à des problèmes d’anonymisation.​
Avantages
-
Les ensembles de données sont audités par un tiers indépendant.
-
La méthode QaR est très rapide, même si le jeu de données est extrêmement grand. Sa ré-application régulière (nécessaire pour que les ensembles de données dynamiques augmentent en taille au fil du temps) est possible.
-
La maintenance du code, l’audit régulier et l’amélioration de la méthode sont gérés par nos experts. Nos clients n’ont pas besoin de personnel spécialisé pour ces tâches et réalisent ainsi des économies de coûts.
Services
-
Analyse de l’ensemble de données anonymes pour une évaluation préliminaire du potentiel de réidentification
-
Développement du code informatique sur mesure et prétraitement des données
-
Vérification des données et estimation du risque de réidentification
-
Interprétation et communication des constatations au client
-
Maintenance du code informatique pour l’audit régulier
Notre approche
NOUS PRENONS LA MESURE SELON L'APPROCHE LATANYA SWEENEY
NOUS FAISONS UN NOMBRE D'HYPOTHÈSES MATHÉMATIQUES
NOUS MENONS LE CALCUL SUR DEUX BASES DE DONNÉES
NOUS UTILISONS L'APPROCHE ACTUARIELLE SUR L'ASSURANCE DES RISQUES EXTRÊMES
NOUS CERTIFIONS LE NIVEAU DE SÉCURITÉ DE VOS DONNÉES
En savoir plus sur la méthode QaR
Chaque combinaison possible de champs est une clé de re-dentification possible. Plus une clé est en mesure d’assumer des valeurs uniques, plus il est probable qu’un intrus réidentifie des individus spécifiques. La méthode QaR calcule une probabilité de réidentification pour chaque clé, puis applique la théorie de la valeur extrême afin d’estimer un grand percentile de la distribution des risques les plus importants. Il s’agit du risque de réidentification du jeu de données.
Cette approche peut également être appliquée sur un échantillon aléatoire de clés ou sur un échantillon aléatoire d’enregistrements, ce qui permet à la méthode d’être très rapide, même dans des ensembles de données extrêmement volumineux.