Les options de masquage avancées étendent la capacité des règles de protection des données et des règles de localisation des données en protégeant les données à l'aide de techniques de désidentification avancées. Ces techniques maintiennent le format et l'intégrité des données. L'utilité élevée des données permet aux utilisateur de données, comme les spécialiste des données, les analystes métier et les développeurs d'applications de produire des connaissances de haute qualité à partir des données protégées.

Les options de masquage avancées incluent les fonctions suivantes:

• Désidentification à préservation de format pour 165 classes de données prédéfinies afin de maintenir l'utilité pour les projets d'IA.

• Intégrité des relations pour protéger les données de la même manière entre les sources de données apparentées.

Les scénarios suivants expliquent comment l'option de masquage avancé étend la capacité des règles de protection des données.

Les informaticiens veulent utiliser des données financières telles que les numéros de carte de crédit et les numéros de compte bancaire dans leur modèle d'apprentissage automatique pour prévoir les transactions frauduleuses. Pour que les résultats soient exploitables, les numéros de carte de crédit ne peuvent pas être remplacés par de simples XXXXXXXXX. Il doit s'agir de vrais numéros de carte de crédit. La méthode de conservation de format dans les opérations de masquage avancées produit des numéros de carte de crédit qui répondent aux exigences de format. Celles-ci comprennent la maintien de l'identification de l'émetteur (la société de cartes de crédit (Visa, Mastercard, etc.) qui a émis la carte), de l'algorithme de contrôle de la somme de Luhn, etc. Un masquage réaliste garantit que les utilisateurs des données puissent produire des résultats justes.

Les utilisateurs de données sur les soins de santé veulent utiliser les données sur les patients qui contiennent le nom et l'adresse des patients pour analyser les résultats des études cliniques sur les maladies terminales. Le nom du patient ne peut être masqué par " XXXX " pour produire les résultats qu'il recherche. Ils ont besoin de noms réalistes et de noms de rue, de villes et de pays réalistes. Par conséquent, lorsque les utilisateurs de données effectuent les analyses, ils ont un contexte plus large que " Jane Doe " qui vit sur " 123 Maple Lane " est le participant à l'étude du cancer du sein.