RGPD

Le RGPD ne concerne pas :

• Personnes Physiques identifiable

• Personne Morales

• Personnes décédées

• Personnes anonymisées

• Personnes habitants hors l'UE

Qu'est-ce qu'une donnée à caractère personnel (DCP) ?

• Numéro de siret

• Numéro de sécurité sociale

• Un enregistrement vocal

• siège social

• Numéro de carte de fidélité

La date de naissance est un :

• Attribut identifiant

• Attribut quasi-identifiant

• Attribut sensible

Le numéro de passeport est un :

• Attribut identifiant

• Attribut quasi-identifiant

• Attribut sensible

La pseudonymisation est une action irréversible.

• Vrai

• Faux

Qu'est-ce que le K-anonymat ?

• Une méthode de chiffrement des données sensibles

• Un concept de protection de la vie privée dans lequel chaque individu est anonyme

• Une technique de compression de données pour réduire leur taille

• Une approche de détection des doublons dans un ensemble de données

Comment fonctionne le k-anonymat ?

• En utilisant des techniques de chiffrement pour rendre les données anonymes

• En supprimant complètement les données sensibles des ensembles de données

• En généralisant ou en supprimant certaines informations des ensembles de données pour rendre les individus indiscernables

• En appliquant des techniques de compression pour réduire la taille des données

Qu'est-ce que l'algorithme de Mondrian

• Un algorithme de tri rapide

• Un algorithme de clustering

• 
  Un algorithme de cryptage des données sensibles

• Un algorithme de partitionnement des données pour l'anonymisation

Ordonnez les étapes de l'algorithme de Mondrian:

a-Choix de la valeur sur laquelle il faudra effectuer la division ( la médiane par exemple)

b-Séparation de la partition et deux autres partitions ( Left and Right partition )

c-Répéter les étapes précédentes de manière récursive jusqu'à ne plus satisfaire le K-anonymat, et retourner une table anonymisée

d-Vérification de la région à évaluer ( est-elle splittable ou pas )

e-Sélection de l'attributs quasi-identifiant (QID) , qui sera utilisé pour diviser les données en partitions ( en fonction d'un critère précis)

Quelle est l'impact d'une faible Discernibility Metric (DM) sur l'anonymat des individus ?

• Une faible Discernibility Metric renforce l'anonymat des individus

• Une faible Discernibility Metric diminue l'anonymat des individus

• Une faible Discernibility Metric n'affecte pas l'anonymat des individus

• Une faible Discernibility Metric augmente la complexité des partitions