ElaFlat - Datenschutzbewusste große Dateninfrastruktur

Dieses strategische Projekt wird sich insbesondere mit der Frage des Schutzes der Privatsphäre durch Design in großen Dateninfrastrukturen befassen. Betonung der Zweckbindung und Anonymisierung. Gemeinsam mit unseren wissenschaftlichen und industriellen Partnern werden wir Anonymisierungsmethoden und Zweckentspannungskonzepte sowie Ansätze zur Durchsetzung der Transparenz gegenüber den Betroffenen anpassen. Ziel 1: - Maximierung der automatisierten Transparenz gegenüber den Betroffenen und der Zweckmäßigkeit: Eingebettet in eine völlig transparente, datenschutztechnische Großdatenverarbeitung werden die betroffenen Personen jederzeit über die aktuelle Verwendung ihrer personenbezogenen Daten informiert. Darüber hinaus werden die betroffenen Personen auch über eine mögliche weitere Nutzung ihrer Daten informiert, so dass sie jederzeit frei entscheiden können, welche ihrer personenbezogenen Daten für welchen Zweck verarbeitet werden sollen. Dieses Ziel geht Hand in Hand mit der Entwicklung einer flexiblen Zugangskontrolle und Verwaltung der Datenschutzrechte, die sicherstellt, dass die Datenverarbeitung auf legitime Zwecke nur von authentifizierten Personen beschränkt wird. Darüber hinaus sind Kriterien und Leitlinien zu entwickeln, die eine einfache Überprüfung ermöglichen, ob die Verarbeitung von Daten für neue Zwecke geeignet ist. Was bei Big Data-Anwendungen häufig der Fall sein kann, bei denen Daten aus verschiedenen Quellen für bisher unbekannte Zwecke analysiert werden. -ist mit dem ursprünglichen Zweck kompatibel. Ziel 2: -Anpassung und Optimierung von Anonymisierungskonzepten für große Dateninfrastrukturen: Die Anonymisierung ist eine wichtige Methode, um dem Prinzip der Datenminimierung gerecht zu werden. Entsprechende anonymisierte Daten können frei verwendet werden, ohne dass das Datenschutzrecht beachtet werden muss. Basierend auf bekannten Konzepten wie k-Anonymität, t-Nähe und 1- Vielfalt wollen wir diese Methoden im Rahmen des Datenschutz-Engineered Data Management anwenden, anpassen und optimieren.