Como os Dados Sintéticos Podem ser Úteis na Adequação à LGPD
NDA ou Acordo de Confidencialidade – Significado e Importância
12 de janeiro de 2023
SLA (Service Level Agreement) – Importância, Benefícios e Como Fazer
26 de janeiro de 2023
Dados Sintéticos. Em tempos de LGPD e cuidados em relação à proteção de informações pessoais, as adequações e os investimentos a serem providenciados são assuntos que estão constantemente em pauta por parte das pessoas físicas ou jurídicas.
Diante disso, surge uma opção para alguns casos envolvendo o tratamento desse tipo de conteúdo, que é o uso dos dados sintéticos, em que são utilizados como fonte algoritmos e Inteligência Artificial.
Sendo assim, continue a leitura deste artigo e saiba o que são os Dados Sintéticos, as suas finalidades e de que modo podem ser úteis na adequação à LGPD.
Conceito de Dados Sintéticos
Os dados sintéticos (synthetic data) se tratam de um conteúdo criado artificialmente com base em algoritmos ou simulações recém-criados como um meio alternativo para as informações reais ou quando não estão disponíveis, e costumam ser utilizados para validar modelos e protótipos, treinamento de tecnologias de IA (Inteligência Artificial) e dar continuidade ao desenvolvimento de novos produtos e soluções.
Logo, são usados na ausência de um grande volume de dados reais e igualmente são voltados para teste e análise que não podem ser feitos a partir de um conteúdo existente. E costumam ser adotados por empresas de diversos setores, tais como as de segurança, serviços financeiros, mídias sociais, assistência médica e robótica.
Possibilidades de Uso
Em outras palavras, os dados sintéticos são considerados uma ampliação do conteúdo real para refleti-los estatisticamente e, por isso, podem ser usados:
- Quando não há disponibilidade de dados ou o modo de uso é comprometido por causa de limitação em relação à privacidade;
- Por motivos de inexistência de informações para realizar o teste de um produto a ser lançado;
- Caso os dados de treinamento necessários para algoritmos de machine learning (aprendizado da máquina) tenham um custo elevado para serem gerados realmente.
Assim, igualmente tendem a ser aproveitados como uma versão para substituir os dados anonimizados quando a empresa deseja analisar algum tipo de conteúdo relevante para um projeto ou entender o seu público, por exemplo.
Auxílio na Adequação à LGPD
Devido ao fato de serem gerados por meio de Inteligência Artificial com o intuito de simular características e comportamentos de informações reais, os dados sintéticos são considerados uma maneira de proteger e garantir a privacidade dos dados confidenciais, que fazem parte dos pilares básicos da LGPD (Lei Geral de Proteção de Dados).
Sendo assim, conseguem auxiliar na adequação dessa Lei porque são classificados como mais seguros do que os dados anonimizados ou pseudonimizados, em que ocorre a remoção, modificação ou ocultação de informações capazes de identificar um indivíduo, mas com possibilidade de serem revertidas.
Portanto, ao invés de realizar essa conversão, podem optar pelos dados sintéticos que oferecem estatísticas similares aos reais, porém sem identificar seus respectivos titulares. Além disso, é uma alternativa mais barata e confortável em relação à governança e segurança da informação para as organizações que atuam com grande quantidade de conteúdo pessoal.
Mas isso não é sinônimo de que sejam totalmente seguros, já que tem a possibilidade de ser reconstruído, porque as informações são criadas com base na realidade, ou seja, em pessoas que realmente existem e compartilharam seus dados após livre e expressa autorização.
Assim sendo, o recomendado é investir e priorizar as constantes adequações para que o conteúdo em questão se mantenha protegido, incluindo os dados sintéticos, do mesmo modo que seus respectivos titulares.
E caso esse assunto ainda gere dúvidas na sua empresa, entre em contato com o setor jurídico ou contrate uma equipe especializada para que uma análise seja feita em relação às providências a serem tomadas e saber quais tipos de informações são mais indicadas ou qual é o momento para usar cada um de acordo com as suas necessidades, sejam eles os dados sintéticos ou pessoais, por exemplo.
