Mülkiyet bilgilerinin paylaşılmasında kişisel verilerin mahremiyetinin korunması

Abstract

Kamu kurumları daha hızlı, güvenli ve kaliteli hizmet verebilmek için birbirleri ile günümüzde veri paylaşmaktadırlar. Bu tez çalışmasında stratejik olarak da önem arz eden mülkiyet verilerinin paylaşılmasında anonimliğin sağlanmasına yönelik uygulanabilecek yöntemler gösterilmiştir. Uygulanan bu yöntemlerle mahremiyetin korunmasına ilişkin risk analizi yapılmıştır. Bu çalışma ile ilgili kişi ve kurumlarda farkındalık oluşmasına katkıda bulunmak amaçlanmıştır.Mülkiyet verilerinin kurum ve kuruluşlar arasındaki paylaşımı birçok alanda yeni çözümler ve fırsatlar sunmaktadır. Mülkiyet sisteminde tutulan veriler aynı zamanda kişisel bilgileri de içermektedir. Bu verilerin doğrudan düzenlemeye (anonimliği sağlayıcı uygulamalar) tabi tutulmadan paylaşılması kişisel mahremiyetin ifşasına sebep olmaktadır. Kişisel verilerin korunmasına yönelik adı, soyadı ve T.C. kimlik numarası gibi alanların bu verilerden çıkarılarak sunulması bireysel mahremiyetin ihlal edilmesini engelleyememektedir. Yapılan araştırmada mahremiyetin korunmasına yönelik literatürde birçok mahremiyet korumalı veri paylaşım yaklaşımı geliştirildiği tespit edilmiştir. Bu yaklaşımlar veri faydasını maksimum düzeyde tutmak için kullanılmaktadır. Özellikle son dönemde Mahremiyet Korumalı Veri Yayıncılığı (Privacy-Preserving Data Publishing (PPDP)) ve Mahremiyet Korumalı Veri Madenciliği (Privacy-Preserving Data Mining (PPDM)) yaklaşımları veri mahremiyetinin korunması adına sıkça ve kapsamlı olarak çalışılmıştır. Bu çalışmada mülkiyet verilerinin belirlenen alanlarında k-anonimlik, -çeşitliliği ve t-yakınlığı uygulanmıştır. Bu kapsamda anonimleştirilen veriler üzerinde Savcı Riski, Gazeteci Riski ve Pazarlamacı Riski hesaplanmıştır. Bu tez çalışmasının amacı; uygulanan anonimlik modelleri ile yapılan risk ölçümleri, veri kaybını minimum tutarak veri faydasının maksimum olduğu en ideal sonucu verdiği anonimleştirme seviyelerinin gözlemlenerek. Yapılan risk analizleri sonucunda hesaplanan risk değerlerinin sıfıra yaklaştığı gözlemlenmiştir. Bu bağlamda uygulanan anonimlik modellerinin kişisel mahremiyetin korunmasına yönelik başarılı olduğunu söyleyebiliriz.

The, Public institutions share data with each other in order to provide faster, more secure and quality services. In this thesis, the methods that can be applied to provide anonymity in sharing property data which is also strategically important are shown. With these methods, risk analysis regarding privacy protection was performed. The aim of this study is to contribute to raising awareness in related people and institutions.The sharing of property data between institutions and organizations offers new solutions and opportunities in many areas. Data held in the property system also includes personal information. Sharing this data without being directly regulated (anonymity practices) causes disclosure of personal privacy. Name, surname and T.C. submission of fields such as identification number from this data cannot prevent the violation of individual privacy. In the research, it has been determined that many privacy protected data sharing approaches have been developed in the literature regarding privacy protection. These approaches are used to maximize data benefit. Especially in the recent period, Privacy-Preserving Data Publishing (PPDP) and Privacy-Preserving Data Mining (PPDM) approaches have been frequently and comprehensively studied for the protection of data privacy. In this study, k-anonymity, l-diversity and t-affinity were applied in the identified areas of property data. In this context, Prosecutor Risk, Journalist Risk and Marketing Risk were calculated on the anonymized data.The aim of this thesis is; risk measurements made with the anonymity models applied, keeping the data loss to a minimum, by observing the anonymization levels which yield the most ideal result with maximum data benefit. As a result of the risk analyzes, it was observed that the calculated risk values approached zero.We can say that the anonymity models applied in this context are successful for the protection of personal privacy.