{% set baseFontFamily = "Open Sans" %} /* Add the font family you wish to use. You may need to import it above. */

{% set headerFontFamily = "Open Sans" %} /* This affects only headers on the site. Add the font family you wish to use. You may need to import it above. */

{% set textColor = "#565656" %} /* This sets the universal color of dark text on the site */

{% set pageCenter = "1100px" %} /* This sets the width of the website */

{% set headerType = "fixed" %} /* To make this a fixed header, change the value to "fixed" - otherwise, set it to "static" */

{% set lightGreyColor = "#f7f7f7" %} /* This affects all grey background sections */

{% set baseFontWeight = "normal" %} /* More than likely, you will use one of these values (higher = bolder): 300, 400, 700, 900 */

{% set headerFontWeight = "normal" %} /* For Headers; More than likely, you will use one of these values (higher = bolder): 300, 400, 700, 900 */

{% set buttonRadius = '10px' %} /* "0" for square edges, "10px" for rounded edges, "40px" for pill shape; This will change all buttons */

After you have updated your stylesheet, make sure you turn this module off

Recomendaciones para cumplir LOPD y RLOPD en proyectos Big Data

by Redacción PowerData on julio 27, 2020

Se le llama RLOPD al Reglamento de desarrollo de la LOPD que se aprobó mediante el Real Decreto 1720/2007 y surgió como marco para desarrollo de los mandatos incluidos en la Ley 15/1999 de Protección de Datos de Carácter Personal así como en la Directiva Europea 95/46 CE.

RLOPD

En lo que se refiere al Big Data, no existen normas específicas que lo regulen. Sin embargo, es la Ley 15/1999 y el Reglamento General de Protección de Datos (RGPD, conocido como GDPR por sus siglas en inglés), el marco legislativo a aplicar.

Big Data implica el tratamiento y gestión de enormes cantidades de datos. Entre ellos se encuentran muchísimos datos personales lo que puede suponer grandes ventajas para las empresas y organizaciones que los utilicen pero también implica riesgos de seguridad que pueden ir en contra del RLOPD. Para minimizarlos se debe prestar especial atención a:

  • la calidad de los datos que se utilizan
  • su conservación
  • el almacenamiento

 

Medidas que deben tenerse en cuenta para el cumplimiento del RLOPD

Para que se pueda aprovechar completamente el potencial del Big Data y de sus herramientas analíticas, es indispensable que los ciudadanos se sientan seguros y con confianza. Deben estar convencidos de que el cumplimiento del RLOPD se hace sin fisuras. Deben estar convencidos de que sus datos están protegidos y de que si deciden que sean privados, eso se va a cumplir.

Si existen riesgos de privacidad, estos deben haber sido evaluados desde el principio y se deben poner medidas para paliarlos. asegurando que el Big Data se ajusta a la RLOPD.

Hay diferentes estrategias que pueden ponerse en marcha para evitar los riesgos para la privacidad:

  • Minimización de datos. Se deben limitar lo máximo posible la cantidad de datos personales.
  • Maximizar la agregación. Los datos personales se deben procesar lo máximo posible minimizando al máximo el detalle.
  • Ocultar datos. Se deben proteger los datos personales y sus interrelaciones para que los usuarios no puedan verlos.

¿Conoces cuál es la tecnología de seguridad más efectiva? GUÍA GRATUITA

 

  • Distribuir los datos. Se deben procesar los datos en entornos separados distribuyendolos siempre que sea posible.
  • Transparencia. Se debe informar de forma adecuada a todos aquellos que tengan datos personales que vayan a ser tratados.
  • Control. Quienes tengan datos personales incluidos en el big data deben poder conocer qué se hace con ellos y ejercer sus derechos.
  • Cumplimiento. Se debe cumplir con la política de privacidad que mejor se adecue a los requerimientos legales.
  • Demostración. El cumplimiento de las políticas de privacidad o de cualquier requerimiento legal se debe de poder demostrar.

Para cubrir estas estrategias de privacidad pueden emplearse diferentes técnicas, entre ellas:

  • Anonimización. Se utiliza para las dos primeras estrategias, minimización de datos y maximizar agregación.
  • Encriptación. Para ocultar datos, distribuirlos o separarlos.
  • Control de acceso. Para transparencia y control.
  • Trazabilidad. Se utiliza para las dos últimas estrategias, cumplimiento y demostración.

Veamos las fases del big data en las que se debe utilizar cada una de estas estrategias de privacidad así como las técnicas a usar:

  • Fase de adquisición y recolección:
    • Minimización de datos
      • Seleccionar antes de adquirir
      • EIPD
    • Maximizar Agregación
      • Anonimización de la fuente origen
    • Ocultar datos
    • Transparencia
      • Informar al interesado
    • Control
      • Mecanismos para recabar consentimiento
  • Fase de Análisis y Validación:
    • Maximizar Agregación
      • Técnicas de anonimización
    • Ocultar datos
      • Herramientas de encriptación
  • Fase de Almacenamiento:
    • Ocultar datos
      • Herramientas de encriptación
      • Mecanismos de autenticación y control de acceso
    • Distribuir los datos
      • Almacenamiento distribuido / descentralizado
  • Fase de Explotación:
    • Maximizar Agregación
      • Técnicas de anonimización
  • Todas la Fases:
    • Cumplimiento y Demostración
      • Definición de políticas
      • Trazabilidad de las acciones
      • Herramientas de cumplimiento

 

Seguridad de Datos

Topics: Data Security

¡Suscríbase!

Popular Posts

IR AL CENTRO DE   RECURSOS