Warum die Wahrung der Privatsphäre synthetischer Daten ein Schlüsselinstrument für Unternehmen ist

Treffen Sie sich vom 11. bis 12. Juli in San Francisco mit Führungskräften, um zu erfahren, wie Führungskräfte KI-Investitionen für den Erfolg integrieren und optimieren. Erfahren Sie mehr

Die greifbare Welt, in die wir hineingeboren wurden, homogenisiert sich immer mehr mit der von uns geschaffenen digitalen Welt. Vorbei sind die Zeiten, in denen Ihre sensibelsten Informationen wie Ihre Sozialversicherungsnummer oder Bankdaten einfach in einem Safe in Ihrem Schlafzimmerschrank eingeschlossen waren. Nun können private Daten gefährdet werden, wenn sie nicht richtig gehandhabt werden.

Das ist das Problem, mit dem wir heute in einer Landschaft konfrontiert sind, die von Karriere-Hackern bevölkert ist, deren Vollzeitjob darin besteht, in Ihre Daten-Feeds einzudringen und Ihre Identität, Ihr Geld oder Ihre vertraulichen Informationen zu stehlen.

Während die Digitalisierung uns große Fortschritte ermöglicht hat, wirft sie auch neue Datenschutz- und Sicherheitsprobleme auf, selbst für Daten, die nicht ganz „echt“ sind.

Tatsächlich war das Aufkommen synthetischer Daten zur Information von KI-Prozessen und zur Rationalisierung von Arbeitsabläufen in vielen Branchen ein großer Sprung nach vorne. Aber synthetische Daten sind, wie echte Daten, nicht so verallgemeinert, wie man meinen könnte.

Fall

Transformation 2023

Besuchen Sie uns vom 11. bis 12. Juli in San Francisco, wo Führungskräfte diskutieren, wie sie KI-Investitionen für den Erfolg integriert und optimiert und häufige Fallstricke vermieden haben.

Jetzt registrieren Was sind synthetische Daten und warum sind sie nützlich?

Es wird angenommen, dass synthetische Daten aus Informationen bestehen, die durch Modelle echter Daten erzeugt werden. Es ist eine statistische Vorhersage aus realen Daten, die massengeneriert werden können. Seine Hauptanwendung besteht darin, KI-Technologien so zu informieren, dass sie ihre Funktionen effizienter ausführen können.

Wie jedes Modell kann KI reale Ereignisse erkennen und Daten basierend auf historischen Daten generieren. Die Fibonacci-Folge ist ein klassisches mathematisches Modell, bei dem jede Zahl in der Folge die beiden vorherigen Zahlen in der Folge addiert, um die nächste Zahl abzuleiten. Wenn ich Ihnen beispielsweise die Folge „1,1,2,3,5,8“ vorgebe, könnte ein trainierter Algorithmus anhand der von mir eingestellten Parameter die nächsten Zahlen in der Folge erraten.

Dies ist eigentlich ein vereinfachtes, abstraktes Beispiel für synthetische Daten. Wenn der Parameter lautet, dass jede folgende Zahl gleich der Summe der beiden vorherigen Zahlen sein muss, muss der Algorithmus „13, 21, 34“ usw. rendern. Der letzte Zahlensatz sind die von der KI abgeleiteten synthetischen Daten.

Unternehmen können begrenzte, aber aussagekräftige Daten über ihr Publikum und ihre Kunden sammeln und ihre eigenen Parameter festlegen, um synthetische Daten zu erstellen. Diese Daten können alle KI-gesteuerten Geschäftsaktivitäten informieren, z. B. die Verbesserung der Vertriebstechnologie und die Steigerung der Zufriedenheit mit Anfragen zu Produktfunktionen. Es kann Ingenieuren sogar dabei helfen, zukünftige Fehler in Maschinen oder Programmen vorherzusehen.

Es gibt unzählige Anwendungen für synthetische Daten, und sie können oft nützlicher sein als die echten Daten, aus denen sie stammen.

Wenn es sich um gefälschte Daten handelt, müssen sie sicher sein, oder?

Nicht ganz. So intelligent wie synthetische Daten erstellt werden, können sie genauso einfach rückentwickelt werden, um personenbezogene Daten aus den realen Proben zu extrahieren, die zu ihrer Erstellung verwendet wurden. Dies kann leider zum Haustür-Hacker werden, den sie brauchen, um die persönlichen Daten von Stichprobenbenutzern zu finden, zu manipulieren und zu sammeln.

Hier ist...