Proposta de uma arquitetura para (pseudo)anonimização multinível de dados em saúde

dc.contributor.advisorImmich, Roger Kreutz
dc.contributor.advisor-co1Sampaio, Silvio Costa
dc.contributor.advisor-co1IDhttps://orcid.org/0000-0001-7517-7001pt_BR
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/3526197867529103pt_BR
dc.contributor.advisorIDhttps://orcid.org/0000-0003-2483-6382pt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/0535777592588490pt_BR
dc.contributor.authorEmerick, Pedro Henrique Rodrigues
dc.contributor.authorLatteshttp://lattes.cnpq.br/4315993465853700pt_BR
dc.contributor.referees1Barroca Filho, Itamir de Morais
dc.contributor.referees2Sousa, Patrícia Raquel Vieira
dc.contributor.referees3Kreutz, Diego Luiz
dc.date.accessioned2023-05-13T00:25:21Z
dc.date.available2023-05-13T00:25:21Z
dc.date.issued2023-02-27
dc.description.abstractIn recent decades, technological evolution has brought numerous advances allowing intensive collection, processing, and storage of personal data. There is much evidence, mainly revelations, about the operations and data breaches of large companies with data as their most significant asset, such as Facebook, Google, Amazon, and Uber. Due to this finding, there is a growing concern about using these data, evidenced by the profusion of laws worldwide that aim to protect individuals’ privacy. The various legislations point to the need to implement processes and techniques that guarantee data privacy, among which is the (pseudo)anonymization of data. It is in this context and seeking to contribute to the protection of privacy that, in this work, an architecture is proposed for the multilevel (pseudo)anonymization of health data. Multilevel, as data is pseudonymized at two levels, one local and one global, thus ensuring that data from multiple providers can be related yet (pseudo)anonymized. The focus on the health area is, on the one hand, a challenging application, given the sensitivity of the data. The architecture proposed in this work was implemented as a proof of concept and evaluated from a set of tests. Test results suggest that the architecture enables correct anonymization at the source, secure linking of (pseudo)anonymized data across multiple sources, and even allows reidentification for cases involving the security of the individuals involved.pt_BR
dc.description.resumoNas últimas décadas, a evolução tecnológica trouxe inúmeros avanços, mas também permitiu a coleta, o processamento e o armazenamento intensivos de dados pessoais. São muitas as evidências, principalmente de revelações sobre as operações e fuga de dados de grandes empresas que têm os dados como seu maior ativo, a exemplo do Facebook, Google, Amazon e Ubber. Diante desta constatação, nota-se um preocupação crescente com a utilização destes dados, evidenciada pela profusão de legislações mundo afora, que visam proteger a privacidade dos indivíduos. As diversas legislações apontam para a necessidade de implementação de processos e técnicas que garantam a privacidade dos dados, dentre as quais está a (pseudo)anonimização dos dados. É neste contexto e buscando contribuir para a proteção da privacidade, que, neste trabalho, é proposta uma arquitetura para a (pseudo)anonimização multinível de dados em saúde. Multinível, pois os dados são pseudonimizados em dois níveis diferentes, um local e um global, garantindo assim que dados de múltiplos provedores de dados possam ser relacionados, ainda que (pseudo)anonimizados. O foco na área da saúde é, por um lado, uma aplicação desafiadora, dada a sensibilidade dos dados. A arquitetura proposta neste trabalho foi implementada como uma prova de conceito e avaliada a partir de um conjunto de testes. Os resultados dos testes sugerem que a arquitetura possibilita uma correta anonimização na fonte, uma ligação segura dos dados (pseudo)anonimizados em múltiplas fontes e ainda permite a reidentificação para casos que envolvam a segurança dos indivíduos envolvidos.pt_BR
dc.identifier.citationEMERICK, Pedro Henrique Rodrigues. Proposta de uma arquitetura para (pseudo)anonimização multinível de dados em saúde. Orientador: Roger Kreutz Immich. 2023. 114f. Dissertação (Mestrado Profissional em Tecnologia da Informação) - Instituto Metrópole Digital, Universidade Federal do Rio Grande do Norte, Natal, 2023.pt_BR
dc.identifier.urihttps://repositorio.ufrn.br/handle/123456789/52378
dc.languagept_BRpt_BR
dc.publisherUniversidade Federal do Rio Grande do Nortept_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFRNpt_BR
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM TECNOLOGIA DA INFORMAÇÃOpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectPrivacidade de dadospt_BR
dc.subjectDados pessoaispt_BR
dc.subjectAnonimizaçãopt_BR
dc.subjectPseudonimizaçãopt_BR
dc.subjectLGPDpt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.titleProposta de uma arquitetura para (pseudo)anonimização multinível de dados em saúdept_BR
dc.title.alternativeProposal of an architecture for multilevel (pseudo)anonymization of healthcare datapt_BR
dc.typemasterThesispt_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Propostaarquiteturapseudoanonimizacao_Emerick_2023.pdf
Tamanho:
6.88 MB
Formato:
Adobe Portable Document Format
Nenhuma Miniatura disponível
Baixar