Big-Data-Analysen mit geschützter Privatsphäre
Fraunhofer IAIS und Siemens entwickeln Datenschutz-Toolbox
| Autor / Redakteur: Martin Hensel / Nico Litzel
Für globale Unternehmen wie die Siemens AG spielt die intelligente Analyse großer Datenbestände eine immer wichtigere Rolle. Gleichzeitig wachsen aber die Ansprüche an den Datenschutz.
Bei Siemens ist die smarte Datenanlyse für die strategischen Wachstumsfelder des Unternehmens von besonderer Bedeutung. Entscheidend ist dabei, dass alle Analyseverfahren die Datenschutzregelungen einhalten und die Privatsphäre schützen. „Moderne Algorithmen können Daten zwar bereits zuverlässig anonymisieren, sind aber in der Regel nicht auf Big-Data-Architekturen ausgelegt“, erklärt Prof. Dr. Stefan Wrobel, Institutsleiter des Fraunhofer IAIS.
Datenschutz für Big-Data-Tools
Aus diesem Grund entwickelt das Fraunhofer IAIS gemeinsam mit Siemens eine sogenannte „Privacy Preserving Big Data Analytics Toolbox“. Sie enthält Datenschutz-Algorithmen, die speziell auf die Anforderungen von Big-Data-Anwendungen ausgelegt sind und verschiedene Anonymisierungsverfahren abdecken. „Beispiele sind Verfahren, die Namen zuverlässig verschlüsseln, personenbezogene Informationen in Gruppen zusammenfassen und somit verrauschen oder Datenabfragen mit nur einer Mindestanzahl an Treffern ermöglichen, um zu verhindern, dass einzelne Personen identifizierbar werden“, erklärt Projektleiter Dr. Michael Mock.
Parallel lauffähig
Technisch stehen bei der Toolbox zwei Aspekte im Vordergrund: Zum einen müssen die Verfahren parallel auf mehreren Systemen laufen können. Dazu werden die Algorithmen an gängige Big-Data-Systeme wie Hadoop und massiv parallele Datenbanken adaptiert. Zum anderen müssen die Technologien echtzeitfähig gemacht werden. Zusätzlich wird die Toolbox eine unmittelbare Anonymisierung von Sensordaten ermöglichen, damit personenbezogene Daten gar nicht erst in den zentralen Prozess der Datenanalyse gelangen.
