Aiutiamo le organizzazioni ad anonimizzare e condividere dati sensibili con metodi che potrà difendere di fronte a un'autorità di controllo.
Consulenza metodologica e valutazione del rischio di divulgazione per microdati, registri e dati longitudinali. Classifichiamo le sue variabili (identificatori diretti, quasi-identificatori, attributi sensibili), definiamo lo scenario di divulgazione e la modalità di condivisione, misuriamo il rischio di re-identificazione per singolo record e applichiamo metodi mirati — generalizzazione, soppressione locale, PRAM, microaggregazione, swapping, rumore — calibrati su un obiettivo di utilità.
Riceve: un set di dati anonimizzato e un rapporto difendibile — metodi, parametri, rischio residuo e utilità conservata — che regge di fronte a un'autorità di controllo o a un revisore.
Generazione e validazione di set di dati sintetici che preservano l'utilità statistica pur eliminando i legami uno a uno con individui reali. Costruiamo modelli di sintesi (per es. con simPop, synthpop, GAN e altri, oppure soluzioni su misura), quindi valutiamo entrambi i lati del compromesso — la fedeltà (distribuzioni, correlazioni, performance dei modelli) e il rischio di divulgazione (divulgazione di attributo/identità) — con i nostri strumenti aperti riskutility.
Ideale quando deve condividere dati su larga scala, costruire pipeline o addestrare modelli senza esporre le persone dietro i record.
Revisione indipendente di una pipeline di anonimizzazione o di dati sintetici esistente. Misuriamo nuovamente il rischio di divulgazione sotto ipotesi realistiche sull'attaccante, verifichiamo se i metodi corrispondono alla modalità di condivisione e individuiamo dove l'utilità viene persa inutilmente.
Riceve: un secondo parere scritto con risultati concreti e prioritizzati — utile prima di una pubblicazione, di un audit o di una verifica da parte di un finanziatore o di un'autorità di controllo.
What we didOur flagship project: privacy-preserving methods for event and longitudinal data — masking trajectories, protecting event histories, and pushing re-identification-risk assessment beyond k-anonymity.
ImpactOpen, reproducible tools that let organisations analyse and share data following the same people over time, with quantified risk.
What we didA risk-based anonymization and pseudonymization strategy under the EU GDPR/EDPB framework — starting from a formal disclosure-risk assessment and testing identity, attribute and inference disclosure, not k-anonymity alone.
ImpactA defensible route to sharing and using data: anonymization where the data allows, optimized pseudonymization where analytical utility requires.
SBB What we didHousehold-level anonymization and geographic protection of SBB's 9-million-person Synthetic Population (SynPop), with a formal disclosure-risk assessment for a differentiated data-release policy.
ImpactIndividual-level population data that can be shared and used safely in agent-based transport models — not the current all-or-nothing.
Un primo colloquio è gratuito, riservato e di solito chiarificatore.
