Recursos de Tumult Analytics

Atende aos requisitos do GDPR para pseudonimização de acordo com os requisitos de Proteção de Dados por Design e por Padrão.

Atende aos requisitos de desidentificação sob o CCPA.

Oferece a tradicional desidentificação estática (também conhecida como substituição consistente), em que os dados pseudonimizados usam os mesmos pseudônimos em vários conjuntos de dados. Por exemplo, John Smith é substituído por Robert Fox e o nome Robert Fox é usado várias vezes. Esse tipo de pseudonimização traz alguns riscos de reidentificação se emparelhado com conjuntos de dados suficientes.

Oferece desidentificação dinâmica (também conhecida como substituição aleatória), onde os dados pseudonimizados usam pseudônimos diferentes em vários conjuntos de dados. Por exemplo, John Smith é substituído por Robert Fox uma vez e, na próxima vez que os dados são usados, o nome muda para Michael Jones. Esse tipo de pseudonimização acarreta menor risco de reidentificação se emparelhado com muitos conjuntos de dados.

Oferece métodos para desidentificar grandes volumes de dados usando arquivos em lote.

Conecta-se a plataformas móveis usando um SDK móvel.

Oferece APIs para conectar produtos.

Fornece aos usuários a capacidade de gerar dados estruturados sintéticos.

Fornece ao usuário a capacidade de gerar dados de imagem sintética.

Pode fornecer anotações precisas para dados de imagem sintetizados.

Permite que o usuário obtenha informações e utilidade sobre os dados.

Fornece relatórios automatizados da qualidade dos dados sintetizados.

Dá ao usuário a capacidade de remover dados confidenciais de seus fluxos de trabalho sem sacrificar a utilidade de dados usando técnicas como privacidade diferencial.

Permite a ingestão de uma variedade de formatos de dados (por exemplo, CSV, Hadoop, etc.)

Tem a capacidade de consumir e sintetizar grandes quantidades de dados de forma eficaz e eficiente.

Tem recursos para criar um conjunto de dados completamente novo sem dados reais do conjunto de dados original.

Pode sintetizar parte de um conjunto de dados, deixando em dados que não são privados ou sensíveis.