A low-code data anonymization platform for achieving data privacy for research data

في عالم البحث الحديث، تُعد البيانات شريان الحياة للاكتشاف. يجمع العلماء ومسؤولو الصحة العامة كميات هائلة من المعلومات عن الناس، بدءاً من سجلاتهم الصحية ومستويات تعليمهم وصولاً إلى مواقعهم وتفاصيل عائلاتهم. تتيح هذه المعلومات رصد الأنماط، وتتبع الأمراض، واتخاذ قرارات تعمل على تحسين حياة البشر. ومع ذلك، فإن هذه البيانات نفسها تحمل سلاحاً ذا حدين؛ فإذا تمت مشاركتها دون عناية، فإن التفاصيل ذاتها التي تجعل البحث مفيداً يمكن أن تكشف أيضاً عن هويات الأفراد الذين قدموها. إذ يمكن أحياناً تجميع مجموعة من الحقائق التي تبدو غير ضارة، مثل عمر الشخص وجنسه والرمز البريدي الخاص به، لتحديد هوية الشخص بدقة. هذا الخطر يحول مجموعة البيانات القيمة إلى تهديد للخصوصية، مما قد يعرض الناس للوصمة أو التمييز أو المشاكل القانونية. ولحل هذه المعضلة، يستخدم الباحثون عملية تسمى "إخفاء الهوية" (anonymization)، والتي تقوم بتعديل أو إزالة تفاصيل محددة بعناية لحماية الأفراد مع الحفاظ على فائدة البيانات للتحليل. ومع ذلك، بالنسبة للعديد من الباحثين، وخاصة أولئك الذين يعملون في مناطق ذات موارد محدودة، فإن الأدوات المطلوبة للقيام بذلك بأمان غالباً ما تكون معقدة للغاية، أو مكلفة جداً، أو محجوبة خلف منحنيات تعلم حادة تتطلب مهارات متقدمة في برمجة الحاسوب.

لقد عالج فريق من الباحثين في مركز أبحاث السكان والصحة في أفريقيا بكينيا هذه الفجوة عبر بناء أداة جديدة سهلة الاستخدام مصممة لجعل خصوصية البيانات أمراً يمكن إدارته من قبل الجميع. لقد أنشأوا منصة "منخفضة الكود" (low-code platform)، وهي نوع من البرمجيات التي تسمح للمستخدمين بأداء مهام معقدة من خلال نقرات وقوائم بسيطة بدلاً من كتابة أسطر برمجية. هذه المنصة، التي يطلقون عليها اسم "منصة إخفاء هوية البيانات منخفضة الكود"، تعمل كورشة عمل إرشادية للباحثين؛ فهي تأخذ مجموعة بيانات خام وتقود المستخدم عبر سلسلة من الخطوات لتجريد البيانات من المعلومات المحددة للهوية. بُنيت المنصة على فكرة أن حماية الخصوصية لا ينبغي أن تتطلب شهادة في علوم الحاسوب. وبدلاً من ذلك، توفر واجهة مرئية حيث يمكن للباحث رفع بياناته، واختيار المعلومات التي تحتاج إلى حماية، والاختيار من قائمة تقنيات مثبتة لإخفاء تلك التفاصيل. ثم تعرض المنصة فوراً كيف تؤثر هذه التغييرات على خطر إعادة تحديد هوية الأشخاص، مما يسمح للمستخدم بإيجاد التوازن الصحيح بين الحفاظ على أمان البيانات والحفاظ على فائدتها للدراسة.

اختبر الباحثون منصتهم باستخدام مجموعة بيانات اصطناعية مستوحاة من سجلات المراقبة الصحية الحقيقية، لضمان عدم تعرض أي معلومات خاصة فعلية للكشف أثناء عملية التطوير. وقد أظهروا كيف تتعامل الأداة مع أنواع مختلفة من حماية البيانات. فبالنسبة للمعرفات المباشرة مثل الأسماء أو أرقام الهواتف، يمكن للمنصة ببساطة إزالتها تماماً أو استبدالها بسلسلة من النجوم (asterisks)، لضمان عدم إمكانية تخمين القيمة الأصلية من خلال طول النص المخفي. أما بالنسبة للبيانات الرقمية مثل العمر أو الدخل، فيمكن للأداة تجميع الأرقام المحددة في نطاقات أوسع، مثل تحويل عمر دقيق يبلغ سبعة وعشرين عاماً إلى فئة "من خمسة وعشرين إلى تسعة وعشرين". هذه العملية، المعروفة باسم "التبويب" (bucketing)، تجعل من الصعب جداً تحديد شخص بعينه لأن العديد من الناس يتشاركون الآن نفس التصنيف. كما تقدم المنصة طرقاً أكثر تقدماً، مثل "التعميم" (generalization)، حيث يتم توسيع المواقع المحددة إلى مناطق أكبر، و"الترميز" (tokenization)، الذي يستبدل القيم الحساسة برموز عشوائية غير قابلة للتمييز ولا يمكن عكسها.

وتتمثل إحدى الميزات الرئيسية لهذا النظام الجديد في قدرته على العمل كدليل في الوقت الفعلي. فبينما يطبق الباحث هذه التغييرات، تقوم المنصة تلقائياً بحساب خطر إعادة تحديد الهوية. وهي تتبع مقاييس مثل متوسط فرصة تحديد هوية شخص ما ونسبة السجلات التي تظل فريدة من نوعها. وفي عرضهم التوضيحي، أظهر الباحثون كيف يمكن تحسين مجموعة بيانات ذات مخاطر عالية في البداية بشكل منهجي. فمن خلال تطبيق مزيج من التقنيات، نجحوا في خفض نسبة السجلات الفريدة والقابلة لتحديد الهوية من أكثر من تسعين بالمائة إلى صفر بالمائة. وهذا يعني أنه بعد العملية، لا يمكن تحديد هوية أي شخص بمفرده في مجموعة البيانات بناءً على مجموعة السمات التي كان الباحثون يخشونها. والأهم من ذلك، أن المنصة لا تنتج ملفاً آمناً فحسب، بل تولد أيضاً سجلاً كاملاً وخطوة بخطوة لما تم القيام به بالضبط. فهي تكتب تعليمات التغييرات بثلاث لغات برمجة شائعة، مما يسمح للباحثين الآخرين برؤية وتدقيق وتكرار العملية ذاتها بدقة. وتضمن هذه الشفافية أن يكون العمل خاضعاً للمساءلة وأن تكون الأساليب قابلة للتدقيق من قبل لجان الأخلاقيات أو العلماء الآخرين.

ويقر المؤلفون بأنه على الرغم من قوة هذه الأداة، إلا أنها ليست عصا سحرية تحل كل مشاكل الخصوصية. فالتوازن بين الخصوصة والفائدة يعتمد بشكل كبير على الهيكل المحدد للبيانات، وأحياناً يعني جعل البيانات آمنة بما يكفي فقدان بعض التفاصيل الدقيقة اللازمة للتحليل العميق. المنصة مصممة حالياً للجداول البيانية المهيكلة، مثل جداول البيانات (spreadsheets)، ولا تتعامل بعد مع المعلومات غير المهيكلة مثل الصور أو نصوص الفيديو. علاوة على ذلك، وبينما تحمي الأداة البيانات أثناء معالجتها، يشير الباحثون إلى أنه بمجرد خروج الملف النهائي من المنصة، فإن المسؤولية عن كيفية مشاركته وتخزينه تقع على عاتق المستخدم. ورغم هذه الحدود، يمثل هذا العمل خطوة كبيرة نحو تحقيق العدالة في البيانات. فمن خلال خفض الحواجز التقنية للدخول، تمكن المنصة المؤسسات في البيئات محدودة الموارد من اعتماد معايير خصوصية صارمة دون الحاجة إلى برمجيات باهظة الثمن أو فرق برمجة متخصسة. إنها تقدم وسيلة عملية لضمان وصول فوائد مشاركة البيانات إلى المزيد من الناس مع الحفاظ على سلامة الأفراد الذين يقفون وراء هذه البيانات من أي ضرر.