Características de Tumult Analytics

Cumple con los requisitos del RGPD para la seudonimización bajo los requisitos de protección de datos por diseño y por defecto.

Cumple con los requisitos de desidentificación bajo la CCPA.

Ofrece desidentificación estática tradicional (también conocida como reemplazo consistente), donde los datos seudonimizados utilizan los mismos seudónimos en múltiples conjuntos de datos. Por ejemplo, John Smith es reemplazado por Robert Fox y el nombre Robert Fox se usa varias veces. Este tipo de seudonimización conlleva algunos riesgos de reidentificación si se combina con suficientes conjuntos de datos.

Ofrece desidentificación dinámica (también conocida como reemplazo aleatorio), donde los datos seudonimizados utilizan diferentes seudónimos en múltiples conjuntos de datos. Por ejemplo, John Smith es reemplazado por Robert Fox una vez, y luego, la próxima vez que se usan los datos, el nombre cambia a Michael Jones. Este tipo de seudonimización conlleva un menor riesgo de reidentificación si se combina con muchos conjuntos de datos.

Ofrece métodos para desidentificar grandes volúmenes de datos mediante archivos por lotes.

Se conecta a plataformas móviles mediante un SDK móvil.

Ofrece API para conectar productos.

Proporciona a los usuarios la capacidad de generar datos estructurados sintéticos.

Proporciona al usuario la capacidad de generar datos de imagen sintética.

Puede proporcionar anotaciones precisas para datos de imagen sintetizados.

Permite al usuario obtener información y utilidad de los datos.

Proporciona informes automatizados de la calidad de los datos sintetizados.

Ofrece al usuario la capacidad de eliminar datos confidenciales de sus flujos de trabajo sin sacrificar la utilidad de datos mediante técnicas como la privacidad diferencial.

Permite la ingestión de una variedad de formatos de datos (por ejemplo, CSV, Hadoop, etc.)

Tiene la capacidad de consumir y sintetizar grandes cantidades de datos de manera efectiva y eficiente.

Tiene capacidades para crear un conjunto de datos completamente nuevo sin datos reales del conjunto de datos original.

Puede sintetizar parte de un conjunto de datos, dejando en datos que no son privados o sensibles.