Προστασία της ιδιωτικότητας κατά την επεξεργασία δεδομένων μεγάλου όγκου (big data) με έμφαση σε περιβάλλον μηχανικής μάθησης (machine learning)

Abstract

Στη σύγχρονη πραγματικότητα, όλο και περισσότεροι είναι οι άνθρωποι που συνδέονται στο Διαδίκτυο, ανταλλάσσοντας πληροφορίες, μέσω ποικίλων μορφών επικοινωνίας. Χάρη στους ισχυρούς αλγορίθμους που έχουν δημιουργηθεί, τα δεδομένα που παράγονται μέσα από αυτές τις επικοινωνίες μπορούν να συλλεχθούν, να αναλυθούν και να παρέχουν γνώση. Οι τεράστιες ποσότητες των δεδομένων που συλλέγονται από διάφορες πηγές (π.χ. διαδίκτυο, αισθητήρες κλπ) έχουν φέρει στο προσκήνιο την έννοια των Δεδομένων Μεγάλου Όγκου (Big Data). Η ανάλυση αυτών βοηθά πλέον στη λήψη αποφάσεων σε πολλούς τομείς όπως το μάρκετινγκ μέσω εξατομικευμένων διαφημίσεων ανάλογα με τα προφίλ που δημιουργούνται γύρω από τα υποκείμενα των δεδομένων. Ωστόσο, παρόλο που η αξιοποίηση των σύγχρονων τεχνολογιών για την ανάλυση των Big Data μπορεί να καταστήσει τη λήψη αποφάσεων ευκολότερη και αποδοτικότερη περιορίζοντας την ανθρώπινη παρέμβαση, υπάρχει ο κίνδυνος της αποκάλυψης των δεδομένων που προκύπτουν από μια παραβίαση ασφάλειας ή την ανταλλαγή δεδομένων σε τρίτους χωρίς τη συγκατάθεση του ατόμου προσβάλλοντας έτσι το δικαίωμά του στην ιδιωτική ζωή. Η συμμόρφωση με την προστασία των προσωπικών δεδομένων στον σύγχρονο κόσμο που χαρακτηρίζεται από την ψηφιοποίηση και την τεχνολογική εξέλιξη αποτελεί πρόκληση για τη Μηχανική Μάθηση και εφαρμογές όπως είναι η κατάρτιση προφίλ και η αυτοματοποιημένη λήψη αποφάσεων. Ο Γενικός Κανονισμός Προστασίας των δεδομένων, λαμβάνοντας υπόψη τις τεχνολογικές εξελίξεις, συμπεριλαμβάνει δικλείδες ασφαλείας προκειμένου να προστατεύονται τα υποκείμενα των δεδομένων και το αναφαίρετο δικαίωμά τους στην ιδιωτικότητα.