Datenschutz bei Big-Data-Analysen

Symbolbild Big Data

FH St. Pölten erforscht Methoden, um sensible Daten unter Wahrung der Datenschutzanforderungen zu analysieren

Die fortschreitende Digitalisierung fast aller Arbeits- und Lebensbereiche und die täglich steigende Menge an Daten eröffnen nicht nur neue Möglichkeiten, sondern werfen auch vermehrt Probleme hinsichtlich des Schutzes sensibler Informationen auf. Gängige Anonymisierungsverfahren haben den Nachteil, die Qualität der bereitgestellten Daten oftmals wesentlich zu verzerren. ForscherInnen des Instituts für IT Sicherheitsforschung der FH St. Pölten erforschen aktuell Methoden, die negative Effekte von Anonymisierungsmaßnahmen auf die Ergebnisse von Big-Data-Analysen eindämmen.

Das Thema Datenschutz erlebte in den letzten Jahren einen enormen Aufschwung, nicht zuletzt durch die im Mai in Kraft getretene EU-Datenschutzgrundverordnung (DSGVO). Den Datenschutzbemühungen stehen jedoch eine Vielzahl von Interessen in Forschung und Wirtschaft gegenüber, die auf die Bereitstellung von oftmals sensiblen und personenbezogenen Daten angewiesen sind, beispielsweise wenn es um die Erforschung von Krankheiten geht.

Negative Effekte auf Datenqualität

„Die bisher häufig genutzte Methode der Pseudonymisierung darf nach der DSGVO nicht mehr als Datenschutzmaßnahme eingesetzt werden. Klassische Anonymisierungsverfahren verzerren die Daten im Allgemeinen jedoch sehr stark und wirken sich damit nachteilig auf die Qualität der Informationen aus“, erklärt Peter Kieseberg, Leiter des Instituts für IT Sicherheitsforschung der FH St. Pölten und Leiter des Projekts. Im Projekt „Big Data Analytics“ erforscht Kieseberg mit seinem Team daher aktuell Methoden, die diese negativen Effekte von Anonymisierungsmaßnahmen verhindern bzw. abschätzbar machen. „Wir stellen uns als erstes die Frage: Wie wirkt sich die Verzerrung aus und was bedeutet sie für die Daten? Bei Trendanalysen beispielsweise wird die Verzerrung vermutlich weniger Auswirkung haben als im medizinischen Bereich, wo die Qualität der Daten wesentlich ist“, so Kieseberg. Im zweiten Schritt erarbeiten die ForscherInnen Lösungen, um diese Verzerrungen einzudämmen.

Transparenz und Löschung von Daten

Ein weiterer wesentlicher Aspekt der DSGVO ist die informationelle Selbstbestimmung – dazu gehören das Recht auf nachträgliche Rücknahme der Zustimmung, das Recht auf Transparenz sowie das Recht auf Datenlöschung. Diese Regelung stellt viele Unternehmen vor enorme Herausforderungen, denn: Wie behalte ich den Überblick, wo ich wann welche Daten verwendet habe? Und wie lassen sich Datensätze komplett löschen? Auch daran arbeitet das Team der FH St. Pölten im Rahmen des Projekts. „Wir entwickeln Methoden, um Transparenz zu gewährleisten, ohne dadurch neue Gefahren für den Datenschutz zu erzeugen und erforschen auch Möglichkeiten, um Daten aus komplexen datenverarbeitenden Systemen automatisiert zu löschen“, erklärt Kieseberg. „Um eine endgültige Löschung durchführen zu können, reicht es leider nicht, auf einen Knopf zu drücken. Hier ist spezielles Know-how im Bereich der Datenbankforensik notwendig.“

Forschen mit realen Unternehmensdaten

Die im Projekt verwendeten Daten und Aufgabenstellungen stammen dabei von Partnerunternehmen aus den Bereichen Technik, Gesundheit und Pflege. Somit ist eine größtmögliche Praxisnähe und -relevanz sichergestellt.

„Der zentrale Innovationssprung dieses Projekts liegt im Lückenschluss zwischen theoretischen Datenschutzanforderungen, bedingt durch die neuen Regelungen der DSGVO, und praktischen Anforderungen an datenverarbeitenden Anwendungen – speziell, wenn diese eine gewisse Qualität der Ergebnisse erfordern, wie beispielsweise im medizinischen Bereich“, fasst Kieseberg zusammen.

Projekt „Big Data Analytics“

Am Projekt beteiligt sind neben dem Institut für IT-Sicherheitsforschung auch das Institut für Creative\Media/Technologies der FH St. Pölten sowie externe ProjektpartnerInnen. Das auf drei Jahre angelegte Forschungsprojekt wird gefördert vom Bundesministerium für Digitalisierung und Wirtschaftsstandort im Rahmen des Programms COIN-Aufbau.

Zur Projektseite

Jetzt teilen: