I Synthetic Data sono la nuova categoria di dati artificiali che il legislatore ha inserito nella bozza del nuovo Regolamento di Artificial Intelligence, distinguendoli dai dati personali e dai dati anonimi.
Sono dati di nuova generazione, sia nel senso che si generano a partire da un dataset originale sia in riferimento a una nuova generazione di dati che guarda all’Intelligenza Artificiale.
I dati artificiali mantengono le stesse proprietà dei dati originali: possono essere trattati nell’analisi come se fossero dati reali. La differenza è che i dati sintetici sono prodotti attraverso algoritmi di intelligenza artificiale.
Sfatiamo un mito: i dati sintetici non rientrano nella nozione di dati anonimi. Ma possono rientrare nella definizione di dati personali? E che ruolo hanno le PET-Privacy Enhancing Technologies nella loro generazione?
Scorza: “La governance europea dell’AI: i nodi da sciogliere”
PET – Privacy Enhancing Technologies: cosa sono e a cosa servono
Le PET – Privacy Enhancing Technologies sono tecnologie che consentono di ridurre al minimo l’utilizzo di dati personali, assicurandone il controllo all’utente “interessato” e una adeguata sicurezza mediante misure tecniche e organizzative adeguate.
GDPR e PET legano su minimizzazione, sicurezza adeguata al trattamento, controllo dei dati personali: l’utente deve poter avere il controllo dei propri dati personali, decidere con chi condividerli, poter chiedere a terzi di condividerli con altri, decidere quali dati far trattare ad un fornitore di servizi, fornire il consenso in merito al trattamento.
Esistono diverse PET: le Cryptographic algorithms con l’homomorphic encryption, la differential privacy, le zero knowledge proof, le tecniche di data masking, con pseudonymisation, obfuscation, data minimisation e anonimization.
L’utente oggi è stanco di ricevere informative privacy incomprensibili con un linguaggio poco chiaro, non semplice, che non permette di poter decidere dei propri dati personali e averne il controllo.
Non sarebbe meglio iniziare a parlare di negoziazione, di contratto sul trattamento dei dati personali tra l’utente ed il fornitore di servizi?
L’utente potrebbe decidere di condividere alcuni dei suoi dati personali (minimization applicata) e con chi condividerli a priori rilasciando il consenso anche in ecosistemi tra più soggetti terzi.
L’utente potrebbe decidere, altresì, di pagare un servizio digitale o un prodotto digitale con dati personali: chi scrive fa parte della dottrina che crede fortemente nella data monetization nel rispetto della protezione dei dati personali.
Consapevoli ormai che i dati sono il nuovo petrolio e creano valore con il loro potenziale commerciale, scientifico e sociale: quanto valore si è perso nel periodo dell’emergenza covid-19?
Molto facile dare la colpa alla privacy, difficile trovare le soluzioni per creare valore nel rispetto della protezione dei dati personali.
Bisogna progettare tecnologie che permettono di estrarre valore dei dati nel rispetto della protezione dei dati personali e la sicurezza e le PET vanno in questa direzione.
Cosa è l’anonimizzazione dei dati e a cosa serve
L’anonimizzazione non riguarda le informazioni anonime: è un processo, una tecnica che porta ad una nuova veste del dato, ma rientra nella definizione di trattamento di cui all’articolo 4 par 2 del GDPR.
L’anonimizzazione è un trattamento dati successivo ma pur sempre un trattamento, al contrario delle informazioni anonime per cui il GDPR non è applicabile.
Il legislatore non ha aiutato i Titolari e Responsabili del trattamento nel prevedere nel GDPR una tecnica di “anonimizzazione”: ha lasciato anche in questo caso l’onere di dimostrare (“accountability”) che realmente il processo utilizzato ha reso sufficientemente anonimi tali dati da impedire o da non consentire più l’identificazione dell’interessato.
Per le tecniche di anonimizzazione urge un codice di condotta ai sensi del GDPR, fondamentale per aiutare titolari e responsabili ad un Codice.
Una definizione di anonimizzazione nel GDPR si potrebbe desumere dai suoi considerando.
Nel considerando 26 si desume che per rendere anonimi determinati dati questi debbano essere stati trattati in modo tale da impedire o da non consentire più l’identificazione dell’interessato.
Ma non basta solo questo al legislatore, che ha specificato: “per stabilire l’identificabilità di una persona fisica è opportuno considerare tutti i mezzi, come l’individuazione, di cui il Titolare e/o il Responsabile o un terzo possano avvalersi per identificare detta persona fisica direttamente o anche solo indirettamente”.
Pertanto, chi effettua un processo di anonimizzazione non solo deve assicurarsi che quel trattamento successivo sia tale da rendere anonime le informazioni in maniera irreversibile, ma deve effettuare:
–un test di compatibilità del trattamento successivo con le finalità originarie;
–un’analisi di identificabilità con l’individuazione di tutti i mezzi coinvolti e con la rilevazione della probabilità del rischio di reidentificazione.
Secondo i Garanti Europei una soluzione che elimini i seguenti rischi sarebbe utile per impedire la reidentificazione dell’interessato mediante i mezzi più probabili e ragionevoli che potrebbero essere utilizzati per la reidentificazione, ovvero: individuazione; correlabilità; deduzione.
Tra le diverse tecniche di anonimizzazione, ricordiamo le categorie di randomizzazione e la generalizzazione dei dati.
L’anonimizzazione ha fallito nei suoi piani: non è stata capace di estrarre il petrolio dalla terra ovvero di estrarre valore dai dati, pertanto bisogna trovare altre soluzioni.
La dimostrazione è stata la pandemia Covid -19: quanto valore estrapolabile dai dati è andato perso? La ricerca, la statistica e anche noi cittadini ne avremmo beneficiato sul nostro futuro, per la nostra salute.
I dati sintetici non sono dati finti: anche se non sono dati originali, la fonte del dataset lo è, e proprio per questo è possibile estrarre valore “artificiale” con le medesime proprietà statistiche.
I dati sintetici non sono dati anonimi e non sono un sottoinsieme di un processo di anonimizzazione: con l’anonimizzazione, infatti, si impedisce o non si consente più l’identificazione dell’interessato, mentre con i dati artificiali si estrae valore dal dato originale creando una nuova generazione di dati che non riconducibili all’interessato.
Cosa è la pseudonimizzazione e cosa prevede il GDPR
La pseudonimizzazione consiste nel sostituire un attributo (univoco solitamente) di un dato con un altro.
La persona fisica potrebbe con la pseudonimizzazione essere ancora identificata in maniera indiretta, mentre con le informazioni anonime, le informazioni non si riferiscono più ad una persona fisica identificata o identificabile o i dati personali sono stati resi sufficientemente anonimi da impedire o da non consentire più l’identificazione dell’interessato.
Il GDPR è stato puntuale nella definizione di pseudonimizzazione, descritta all’interno dell’articolo 4 par 5:
“il trattamento dei dati personali in modo tale che i dati personali non possano essere più attribuiti a un interessato specifico senza l’utilizzo di informazioni aggiuntive, a condizione che tali informazioni aggiuntive siano conservate separatamente e soggette a misure tecniche e organizzative intese a garantire che tali dati personali non siano attribuiti a una persona fisica identificata o identificabile”.
I dati pseudonimi possono considerarsi dati personali, perché possono essere attribuiti ad una persona fisica mediante l’utilizzo di ulteriori informazioni. Quindi possono essere considerati informazioni su una persona fisica identificabile.
Mentre il GDPR non si applica nel caso di informazioni anonime, si applica invece nel caso dei dati pseudonimi.
La pseudonimizzazione dei dati personali è una delle misure volta ad attuare in maniera efficace i principi di protezione dei dati come la minimizzazione.
Cosa comportano la minimizzazione e i principi di privacy by design e by default
La minimizzazione è uno dei principi applicabile al trattamento di dati personali di cui all’articolo 5 del GDPR che prevede che i dati debbano essere “adeguati, pertinenti e limitati a quanto necessario rispetto alle finalità per le quali sono trattati”.
Il titolare deve integrare tali misure ai fini della propria accountability sia al momento di determinare i mezzi del trattamento, sia all’atto del trattamento stesso, quindi fin dalla progettazione e protezione per impostazione predefinita (privacy by design & by default).
La privacy by design & by default è la vera rivoluzione del GDPR: uno strumento di vantaggio competitivo che i fornitori di prodotti, applicazioni e fornitori di servizi potrebbero utilizzare per rendere un prodotto migliore da un prodotto della concorrenza.
E non solo, basti pensare alle nuove tecnologie, alle automobili a guida autonoma, all’artificial intelligence: saranno questi due principi a guidare la rivoluzione.
Conclusioni
Quanto valore avrebbero estratto i nostri ricercatori dai dati originali della pandemia in maniera artificiale?
Quali potrebbero essere i benefici dei synthetic data in svariati settori ad es. in merito al machine learning e al training degli algoritmi di intelligenza artificiale?
Gli algoritmi di AI hanno necessità di una mole di dati esagerata per l’addestramento: lo stesso risultato si potrebbe raggiungere con i dati sintetici, senza impatto sull’interessata persona fisica.
Uno dei rischi dei dati sintetici è la reidentificazione: per evitarla, occorre integrare misure fin dalla progettazione del processo, comprese quelle necessarie ad assicurare la qualità, l’esattezza, la robustezza dei dati, nonché la ragionevolezza dei mezzi utilizzati, tali da escludere ogni rischio di identificazione dell’Interessato persona fisica.
Molto importante è monitorare fin dalla progettazione che l’attuazione delle misure sia efficace.
I dati sintetici non sono dati personali ma una terza tipologia di dati, distinta dal legislatore dai dati anonimi e dai dati personali: ciò non esime però dall’effettuare gli adempimenti ai sensi del GDPR in merito al trattamento di estrazione del valore “artificiale” se i dati originali sono dati personali.
Infine, in Europa occorrerà parlare della data monetization: l’estrazione dei dati artificiali è un trattamento successivo di dati personali per generare i dati sintetici.
Potrebbe diventare moneta di pagamento di un servizio o un prodotto, permettendo ad es. ad un Titolare di trainare i propri algoritmi e migliorarne l’affidabilità e la precisione tramite dati artificiali.
