پین اسٹیٹ اسٹیٹسٹسٹین کے مطابق، مصنوعی نیٹ ورک کچھ اعداد و شمار کی دستیابی میں اضافہ کرسکتے ہیں جبکہ انفرادی یا ادارہ رازداری کی حفاظت کرتے ہیں.
ایبرلی کالج آف سائنس، پین اسٹیٹ، ایگزلیڈ اور ایسوسی ایشن کے پروفیسر، الیکاندرا سلوواککوک نے کہا کہ "میرا کلیدی دلچسپی یہ ہے کہ وہ خفیہ اعداد و شمار کے وسیع پیمانے پر خفیہ طریقے سے اشتراک کر سکیں جو سائنسی تلاش میں مدد کر سکے." "سنجیدگی سے متعلق معلومات کی تلاش کے لئے کم سے کم قابل قدر خطرے کے ساتھ خفیہ اعداد و شمار کا اشتراک کرنے کے قابل ہونے اور اب بھی اعداد و شمار کی درستگی اور سالمیت یقینی بنانا، مقصد ہے."
سلاکوفیک نے اس ڈیٹا کو رازداری کے مسائل کے حل کے ذریعہ بین الاقوامی سطح پر تعاون کے ذریعہ حل کیا ہے، خاص طور پر کمپیوٹر اور سوشل سائنسدانوں کے ساتھ. ان کی تحقیق مختلف نیٹ ورک پر مشتمل ہے جس میں نیٹ ورک کا ڈیٹا بھی شامل ہے جو افراد یا اداروں جیسے اداروں کے درمیان تعلقات کی معلومات پر قبضہ کرتی ہے. اس مصنوعی نیٹ ورک کو فراہم کرنے کے لئے اس کے نقطہ نظر کی اطلاع دی گئی ہے جو آج واشنگٹن، ڈی سی میں امریکی ایسوسی ایشن آف سائنس کے فروغ کے 2019 سالانہ اجلاس کے دوران متفاوت رازداری کی ایک رائے کو پورا کرتی ہے (16 فروری).
متغیر رازداری افراد کو پرائیویسی نقصان کی سطح کی ریاضی طور پر قابل ثابت ضمانت فراہم کرتا ہے.
سائنسدان دوسروں کو ان کی تحقیق کے لئے جمع کردہ اعداد و شمار تک رسائی حاصل کرتے ہیں، لیکن اس طرح کے رسائی ذاتی رازداری کو بھی سمجھا سکتی ہے، انفرادی طور پر شناختی طور پر شناختی ڈیٹا کو ہٹانے کے بعد بھی.
سلوکوفیک نے کہا کہ "معاون ڈیٹا کی ایک کثرت اہم مجرم ہے". "اعداد و شمار کے مجموعہ اور ریکارڈ کے سلسلے میں طریقہ کار اور تکنیکی ترقی کے ساتھ، مختلف اعداد و شمار کے وسائل کو آسان رسائی جس میں ہاتھ سے ڈیٹا بیس کے ساتھ منسلک کیا جاسکتا ہے، اور فنڈز کے ایجنسیوں کی ضروریات کو ڈیٹا کا اشتراک کرنے کے لئے ضروری ہے، ڈیٹا کی رازداری کے خطرات بڑھ رہے ہیں. صوتی سائنسی دریافت کو چالو کرنے کے لئے رازداری کی نقصان کا انتظام کرنے کے حل ضروری ہیں. "
ایچ آئی وی منشیات پر منشیات کی آزمائش سے عام طور پر دستیاب معلومات، مثال کے طور پر، اس بات کا اشارہ کرے گا کہ کون سا علاج گروپ میں تھا اور کون کون سی گروپ میں تھا. علاج کے گروپ میں صرف ایچ آئی وی کے ساتھ تشخیص ہونے والے افراد پر مشتمل ہوتا ہے اور اگرچہ ڈیٹا بیس کے مالکان نے ان اعداد و شمار کے سیٹ سے ذاتی تفصیلات کو مسترد کیا ہے، تو کچھ شناختی معلومات باقی رہیں گے. کیونکہ آج کل سوسائٹی میڈیا اور دیگر ڈیٹا بیس میں دستیاب آن لائن دستیاب ہے، یہ ممکن ہے کہ نقطہ جات سے منسلک ہوجائیں اور لوگوں کی شناخت ممکن ہو، ممکنہ طور پر ان ایچ آئی وی کی حیثیت کا پتہ چلانا.
سلوکوفیک نے کہا، "دو اعداد و شمار سیٹوں کو لنک کرنے کے لئے تکنیک، ووٹر ریکارڈ اور صحت انشورنس کے اعداد و شمار کا کہنا ہے کہ بہت بہتر ہے." ابتدائی نتائج میں سے ایک میں، لیٹن سوینبی (اب ہارورڈ میں) نے یہ ظاہر کیا کہ ان قسم کے اعداد و شمار سے منسلک کرکے، آپ کی پیدائش کی تاریخ، صنف اور 5 عددی پر مبنی امریکی آبادی کی 87 فیصد افراد کی شناخت کر سکتے ہیں. زپ کوڈ. مزید حال ہی میں، محققین نے ٹویٹس اور منسلک ٹویٹر میٹا ڈیٹا کو استعمال کیا کہ وہ صارفین کو 96.7 فیصد کی درستگی کے ساتھ شناخت کرسکیں. "
سلاکوفیک نوٹ کرتا ہے کہ یہ صرف ایسے لوگوں یا اداروں کی نہیں ہے جن کے اعداد و شمار ڈیٹا بیس میں موجود ہیں، لیکن ڈیٹا بیس کے باہر لوگوں کو رازداری پر، براہ راست یا ایسوسی ایشن کے ذریعہ بھی نقصان پہنچا سکتا ہے. ڈیٹا بیس میں ڈیٹا بیس اور معلومات کے درمیان رابطے سوشل میڈیا پر سنجیدگی سے سنجیدہ ہوسکتی ہیں - اگر ایچ آئی وی کی حیثیت یا جنسی واقفیت کی طرح کچھ پتہ چلتا ہے تو اس کا شدید ردعمل ہوسکتا ہے.
جبکہ رازداری اہم ہے، ڈیٹا بیس جمع کرنے والے محققین کے لئے معلومات کا لازمی ذریعہ بناتے ہیں. فی الحال، کچھ معاملات میں جب غیر معمولی حساس ہوتے ہیں تو، محققین جسمانی طور پر ان کے تحقیق کرنے کے لئے ڈیٹا ذخیرہ کرنے کے لئے جانا چاہئے، تحقیق زیادہ مشکل اور مہنگی بنانے کے.
سلاکوفیک نیٹ ورک کے ڈیٹا میں دلچسپی رکھتے ہیں. اطلاعات جو لوگوں یا اداروں کے درمیان منسلک دکھاتا ہے - نوڈس اور نوڈس کے درمیان کنکشن. اس کا نقطہ نظر تھوڑا سا تبدیل کرنے کے لئے ہے، نقطہ نظر میں منتقل ہونے والے کچھ نوڈس، کنکشن منتقل یا کناروں کو تبدیل کر کے نیٹ ورک کے ڈیٹا بیس کے ساتھ نظر ثانی شدہ.
سلاکوفیک نے کہا کہ "مقصد یہ ہے کہ نئے نیٹ ورکیں بنائیں جس میں سخت فرق کی رازداری کی ضروریات کو پورا کرنے اور ایک ہی وقت میں اصل نیٹ ورک سے اعداد و شمار کی زیادہ سے زیادہ خصوصیات پر قبضہ کرنا".
یہ مصنوعی ڈیٹا بیس بعض محققین کے لئے ان کی تحقیق کی ضروریات کو پورا کرنے کے لئے کافی ہوسکتی ہے. دوسروں کے لئے، ڈیٹا اسٹوریج سائٹ پر جانے سے پہلے ان کے نقطہ نظر اور نظریات کی جانچ کرنے کے لئے کافی ہوسکتا ہے. محققین کو کوڈ کی جانچ پڑتال، تحقیقاتی تحقیقات اور شاید بنیادی تحلیل کر سکتے ہیں جبکہ اس کے ذخیرہ شدہ سائٹ میں اصل ڈیٹا کو استعمال کرنے کی اجازت کے منتظر.
سلوواکوی نے کہا، "ہم تمام اعداد و شمار کے تجزیہ کے لۓ اسی قسم کے تبدیل کردہ اعداد و شمار کے مطالبات کو پورا نہیں کرسکتے ہیں." "کچھ لوگ اصل ڈیٹا کی ضرورت ہو گی، لیکن دوسرے مصنوعی اعداد و شمار جیسے مصنوعی نیٹ ورک کے ساتھ ایک طویل راستہ چل سکتے ہیں."