ឧបករណ៍អនាមិកទិន្នន័យល្អបំផុតសម្រាប់ការអនុលោមតាមការការពារឯកជនភាព
ស្ថាប័នប្រើប្រាស់ឧបករណ៍អនាមិកទិន្នន័យដើម្បីលុបចេញ ព័ត៌មានដែលអាចកំណត់អត្តសញ្ញាណផ្ទាល់ខ្លួន ពីសំណុំទិន្នន័យរបស់ពួកគេ។ ការមិនអនុលោមតាមច្បាប់អាចនាំឱ្យមានការផាកពិន័យយ៉ាងធ្ងន់ធ្ងរពីស្ថាប័នបទប្បញ្ញត្តិ និង រំលោភទិន្នន័យ។ ដោយគ្មាន ទិន្នន័យអនាមិកអ្នកមិនអាចប្រើប្រាស់ ឬចែករំលែកសំណុំទិន្នន័យឱ្យបានពេញលេញបានទេ។
មនុស្សជាច្រើន ឧបករណ៍អនាមិក មិនអាចធានាការអនុលោមភាពពេញលេញបានទេ។ វិធីសាស្រ្តជំនាន់មុនអាចទុកឱ្យព័ត៌មានផ្ទាល់ខ្លួនងាយរងគ្រោះក្នុងការកំណត់អត្តសញ្ញាណដោយអ្នកប្រព្រឹត្តអាក្រក់។ ខ្លះ វិធីសាស្រ្តអនាមិកតាមស្ថិតិ កាត់បន្ថយគុណភាពសំណុំទិន្នន័យដល់ចំណុចមួយ នៅពេលដែលវាមិនគួរឱ្យទុកចិត្ត វិភាគទិន្នន័យ.
យើងនៅ ស៊ីនថូ នឹងណែនាំអ្នកអំពីវិធីសាស្រ្តអនាមិក និងភាពខុសគ្នាសំខាន់ៗរវាងឧបករណ៍ជំនាន់មុន និងជំនាន់បន្ទាប់។ យើងនឹងប្រាប់អ្នកអំពីឧបករណ៍អនាមិកទិន្នន័យដ៏ល្អបំផុត និងណែនាំការពិចារណាសំខាន់ៗសម្រាប់ការជ្រើសរើសពួកវា។
មាតិកា
- តើអ្វីទៅជាទិន្នន័យសំយោគ
- តើវាដំណើរការយ៉ាងដូចម្តេច
- ហេតុអ្វីបានជាអង្គការប្រើវា។
- របៀបចាប់ផ្តើម
តើឧបករណ៍អនាមិកទិន្នន័យជាអ្វី?
ទិន្នន័យអនាមិក គឺជាបច្ចេកទេសនៃការដកចេញ ឬផ្លាស់ប្តូរព័ត៌មានសម្ងាត់នៅក្នុងសំណុំទិន្នន័យ។ អង្គការមិនអាចចូលប្រើ ចែករំលែក និងប្រើប្រាស់ទិន្នន័យដែលមានដោយសេរី ដែលអាចតាមដានដោយផ្ទាល់ ឬដោយប្រយោលចំពោះបុគ្គលម្នាក់ៗ។
- បទបញ្ញត្តិការពារទិន្នន័យទូទៅ (GDPR). ច្បាប់របស់សហភាពអឺរ៉ុប ការពារឯកជនភាពទិន្នន័យផ្ទាល់ខ្លួន តម្រូវឱ្យមានការយល់ព្រមសម្រាប់ដំណើរការទិន្នន័យ និងផ្តល់សិទ្ធិចូលប្រើប្រាស់ទិន្នន័យបុគ្គល។ ចក្រភពអង់គ្លេសមានច្បាប់ស្រដៀងគ្នាមួយហៅថា UK-GDPR ។
- California Consumer Privacy Act (CCPA) ។ ច្បាប់ឯកជនភាពរដ្ឋកាលីហ្វ័រញ៉ា ផ្តោតលើសិទ្ធិអ្នកប្រើប្រាស់ ការចែករំលែកទិន្នន័យ.
- ច្បាប់ធានារ៉ាប់រងសុខភាពចល័ត និងគណនេយ្យភាព (HIPAA) ។ ច្បាប់ឯកជនភាព បង្កើតស្តង់ដារសម្រាប់ការពារព័ត៌មានសុខភាពរបស់អ្នកជំងឺ។
តើឧបករណ៍អនាមិកទិន្នន័យដំណើរការយ៉ាងដូចម្តេច?
ឧបករណ៍អនាមិកទិន្នន័យស្កេនសំណុំទិន្នន័យសម្រាប់ព័ត៌មានរសើប ហើយជំនួសពួកវាដោយទិន្នន័យសិប្បនិម្មិត។ កម្មវិធីស្វែងរកទិន្នន័យបែបនេះនៅក្នុងតារាង និងជួរឈរ ឯកសារអត្ថបទ និងឯកសារដែលបានស្កេន។
ដំណើរការនេះដកទិន្នន័យនៃធាតុដែលអាចភ្ជាប់វាទៅបុគ្គល ឬអង្គការ។ ប្រភេទទិន្នន័យដែលបិទបាំងដោយឧបករណ៍ទាំងនេះរួមមាន:
- ព័ត៌មានដែលអាចកំណត់អត្តសញ្ញាណផ្ទាល់ខ្លួន (PII)៖ ឈ្មោះ លេខអត្តសញ្ញាណ ថ្ងៃខែឆ្នាំកំណើត ព័ត៌មានលម្អិតអំពីការចេញវិក្កយបត្រ លេខទូរស័ព្ទ និងអាសយដ្ឋានអ៊ីមែល។
- ព័ត៌មានសុខភាពដែលបានការពារ (PHI)៖ គ្របដណ្តប់លើកំណត់ត្រាវេជ្ជសាស្រ្ត ព័ត៌មានលម្អិតធានារ៉ាប់រងសុខភាព និងទិន្នន័យសុខភាពផ្ទាល់ខ្លួន។
- ព័ត៌មានហិរញ្ញវត្ថុ៖ លេខកាតឥណទាន ព័ត៌មានលម្អិតគណនីធនាគារ ទិន្នន័យវិនិយោគ និងផ្សេងទៀតដែលអាចភ្ជាប់ទៅអង្គភាពសាជីវកម្ម។
ឧទាហរណ៍ អង្គការថែទាំសុខភាពមិនបញ្ចេញឈ្មោះអាសយដ្ឋានអ្នកជំងឺ និងព័ត៌មានលម្អិតទំនាក់ទំនង ដើម្បីធានាបាននូវការអនុលោមតាម HIPAA សម្រាប់ការស្រាវជ្រាវជំងឺមហារីក។ ក្រុមហ៊ុនហិរញ្ញវត្ថុបានបិទបាំងកាលបរិច្ឆេទប្រតិបត្តិការ និងទីតាំងនៅក្នុងសំណុំទិន្នន័យរបស់ពួកគេ ដើម្បីគោរពតាមច្បាប់ GDPR ។
ខណៈពេលដែលគំនិតនេះគឺដូចគ្នា បច្ចេកទេសផ្សេងគ្នាជាច្រើនមានសម្រាប់ ទិន្នន័យអនាមិក.
បច្ចេកទេសអនាមិកទិន្នន័យ
អនាមិកកើតឡើងតាមវិធីជាច្រើន ហើយមិនមែនគ្រប់វិធីសាស្រ្តទាំងអស់សុទ្ធតែអាចទុកចិត្តបានដូចគ្នាសម្រាប់ការអនុលោមភាព និងការប្រើប្រាស់នោះទេ។ ផ្នែកនេះពិពណ៌នាអំពីភាពខុសគ្នារវាងប្រភេទផ្សេងៗនៃវិធីសាស្រ្ត។
ការក្លែងបន្លំឈ្មោះ
Pseudonymization គឺជាដំណើរការ de-identification ដែលអាចត្រឡប់វិញបាន ដែលអត្តសញ្ញាណផ្ទាល់ខ្លួនត្រូវបានជំនួសដោយក្លែងក្លាយ។ វារក្សាការគូសផែនទីរវាងទិន្នន័យដើម និងទិន្នន័យដែលបានកែប្រែ ដោយតារាងផែនទីត្រូវបានរក្សាទុកដោយឡែកពីគ្នា។
គុណវិបត្តិនៃការដាក់ឈ្មោះក្លែងក្លាយគឺថាវាអាចបញ្ច្រាសបាន។ ជាមួយនឹងព័ត៌មានបន្ថែម តួអង្គព្យាបាទអាចតាមដានវាត្រឡប់ទៅបុគ្គលនោះ។ នៅក្រោមច្បាប់របស់ GDPR ទិន្នន័យក្លែងក្លាយមិនត្រូវបានចាត់ទុកថាជាទិន្នន័យអនាមិកទេ។ វានៅតែស្ថិតក្រោមបទប្បញ្ញត្តិការពារទិន្នន័យ។
ការបិទបាំងទិន្នន័យ
វិធីសាស្ត្របិទបាំងទិន្នន័យបង្កើតកំណែរចនាសម្ព័ន្ធស្រដៀងគ្នា ប៉ុន្តែក្លែងក្លាយនៃទិន្នន័យរបស់ពួកគេ ដើម្បីការពារព័ត៌មានរសើប។ បច្ចេកទេសនេះជំនួសទិន្នន័យពិតជាមួយនឹងតួអក្សរដែលបានផ្លាស់ប្តូរ ដោយរក្សាទម្រង់ដូចគ្នាសម្រាប់ការប្រើប្រាស់ធម្មតា។ តាមទ្រឹស្តី វាជួយរក្សាមុខងារប្រតិបត្តិការនៃសំណុំទិន្នន័យ។
ក្នុងការអនុវត្ត របាំងទិន្នន័យ ជាញឹកញាប់កាត់បន្ថយ ឧបករណ៍ប្រើប្រាស់ទិន្នន័យ. វាអាចនឹងបរាជ័យក្នុងការថែរក្សា ទិន្នន័យដើមការចែកចាយ ឬលក្ខណៈរបស់ ធ្វើឱ្យវាមិនសូវមានប្រយោជន៍សម្រាប់ការវិភាគ។ បញ្ហាប្រឈមមួយទៀតគឺការសម្រេចចិត្តអ្វីដែលត្រូវបិទបាំង។ ប្រសិនបើធ្វើមិនត្រឹមត្រូវ ទិន្នន័យដែលបានបិទមុខនៅតែអាចកំណត់អត្តសញ្ញាណឡើងវិញបាន។
ទូទៅ (ការប្រមូលផ្តុំ)
ការធ្វើទូទៅធ្វើអនាមិកទិន្នន័យដោយធ្វើឱ្យវាមិនសូវលម្អិត។ វាដាក់ជាក្រុមទិន្នន័យស្រដៀងគ្នា និងកាត់បន្ថយគុណភាពរបស់វា ដែលធ្វើឱ្យវាកាន់តែពិបាកក្នុងការប្រាប់បំណែកទិន្នន័យដាច់ដោយឡែកពីគ្នា។ វិធីសាស្ត្រនេះច្រើនតែពាក់ព័ន្ធនឹងវិធីសាស្ត្រសង្ខេបទិន្នន័យ ដូចជាជាមធ្យម ឬការបូកសរុប ដើម្បីការពារចំណុចទិន្នន័យនីមួយៗ។
ការធ្វើទូទៅហួសកម្រិតអាចធ្វើឱ្យទិន្នន័យស្ទើរតែគ្មានប្រយោជន៍ ខណៈពេលដែលការបង្រួបបង្រួមក្រោមអាចនឹងមិនផ្តល់ភាពឯកជនគ្រប់គ្រាន់នោះទេ។ វាក៏មានហានិភ័យនៃការលាតត្រដាងដែលនៅសេសសល់ផងដែរ ដោយសារសំណុំទិន្នន័យសរុបអាចនៅតែផ្តល់នូវព័ត៌មានលម្អិតគ្រប់គ្រាន់នៃការកំណត់អត្តសញ្ញាណនៅពេលរួមបញ្ចូលគ្នាជាមួយផ្សេងទៀត។ ប្រភពទិន្នន័យ.
ការរំខាន
ការរំខានកែប្រែសំណុំទិន្នន័យដើមដោយបង្រួបបង្រួមតម្លៃ និងបន្ថែមសំលេងរំខានចៃដន្យ។ ចំណុចទិន្នន័យត្រូវបានផ្លាស់ប្តូរបន្តិចបន្តួច ដែលរំខានដល់ស្ថានភាពដើមរបស់វា ខណៈពេលដែលរក្សាបាននូវគំរូទិន្នន័យទាំងមូល។
គុណវិបត្តិនៃការរំខានគឺថាទិន្នន័យមិនត្រូវបានបញ្ចេញឈ្មោះពេញលេញទេ។ ប្រសិនបើការផ្លាស់ប្តូរមិនគ្រប់គ្រាន់ វាមានហានិភ័យដែលលក្ខណៈដើមអាចត្រូវបានកំណត់អត្តសញ្ញាណឡើងវិញ។
ការផ្លាស់ប្តូរទិន្នន័យ
ការប្តូរគឺជាបច្ចេកទេសដែលតម្លៃគុណលក្ខណៈនៅក្នុងសំណុំទិន្នន័យត្រូវបានរៀបចំឡើងវិញ។ វិធីសាស្រ្តនេះងាយស្រួលអនុវត្តជាពិសេស។ សំណុំទិន្នន័យចុងក្រោយមិនត្រូវគ្នានឹងកំណត់ត្រាដើមទេ ហើយមិនអាចតាមដានដោយផ្ទាល់ទៅប្រភពដើមរបស់ពួកគេទេ។
ទោះយ៉ាងណាក៏ដោយដោយប្រយោល សំណុំទិន្នន័យនៅតែអាចត្រឡប់វិញបាន។ ទិន្នន័យដែលបានប្តូរគឺងាយរងគ្រោះក្នុងការលាតត្រដាងសូម្បីតែប្រភពបន្ទាប់បន្សំមានកម្រិត។ លើសពីនេះ វាពិបាកក្នុងការរក្សាភាពត្រឹមត្រូវតាមន័យនៃទិន្នន័យដែលបានប្តូរមួយចំនួន។ ជាឧទាហរណ៍ នៅពេលជំនួសឈ្មោះក្នុងមូលដ្ឋានទិន្នន័យ ប្រព័ន្ធអាចនឹងបរាជ័យក្នុងការបែងចែករវាងឈ្មោះប្រុស និងឈ្មោះស្រី។
សញ្ញាតំណាង
Tokenization ជំនួសធាតុទិន្នន័យរសើបជាមួយនឹងសញ្ញាសម្ងាត់ — សមមូលមិនរសើប ដោយគ្មានតម្លៃដែលអាចកេងប្រវ័ញ្ចបាន។ ព័ត៍មានសញ្ញាសម្ងាត់ជាធម្មតាជាខ្សែអក្សរចៃដន្យនៃលេខ និងតួអក្សរ។ បច្ចេកទេសនេះត្រូវបានគេប្រើជាញឹកញាប់ដើម្បីការពារព័ត៌មានហិរញ្ញវត្ថុខណៈពេលដែលរក្សាបាននូវលក្ខណៈសម្បត្តិមុខងាររបស់វា។
កម្មវិធីមួយចំនួនធ្វើឱ្យវាពិបាកក្នុងការគ្រប់គ្រង និងធ្វើមាត្រដ្ឋានតុដេក។ ប្រព័ន្ធនេះក៏ណែនាំពីហានិភ័យសុវត្ថិភាពផងដែរ៖ ទិន្នន័យរសើបអាចប្រឈមនឹងហានិភ័យ ប្រសិនបើអ្នកវាយប្រហារចូលតាមរយៈតុដេកអ៊ិនគ្រីប។
ចៃដន្យ
Randomization ផ្លាស់ប្តូរតម្លៃដោយចៃដន្យ និងទិន្នន័យក្លែងក្លាយ។ វាគឺជាវិធីសាស្រ្តត្រង់ដែលជួយរក្សាការសម្ងាត់នៃការបញ្ចូលទិន្នន័យបុគ្គល។
បច្ចេកទេសនេះមិនដំណើរការទេប្រសិនបើអ្នកចង់រក្សាការចែកចាយស្ថិតិពិតប្រាកដ។ វាត្រូវបានធានាក្នុងការសម្របសម្រួលទិន្នន័យដែលប្រើប្រាស់សម្រាប់សំណុំទិន្នន័យស្មុគស្មាញ ដូចជាទិន្នន័យភូមិសាស្ត្រ ឬទិន្នន័យបណ្ដោះអាសន្ន។ វិធីសាស្ត្រចៃដន្យដែលអនុវត្តមិនគ្រប់គ្រាន់ ឬមិនត្រឹមត្រូវ ក៏មិនអាចធានាបាននូវការការពារឯកជនភាពដែរ។
ទិន្នន័យឡើងវិញ
ការលុបទិន្នន័យគឺជាដំណើរការនៃការលុបចេញព័ត៌មានទាំងស្រុងពីសំណុំទិន្នន័យ៖ ការបិទចោល ការបិទបាំង ឬលុបអត្ថបទ និងរូបភាព។ នេះរារាំងការចូលប្រើព័ត៌មានរសើប ទិន្នន័យផលិតកម្ម និងជាការអនុវត្តទូទៅនៅក្នុងឯកសារផ្លូវច្បាប់ និងផ្លូវការ។ វាច្បាស់ណាស់ថាវាធ្វើឱ្យទិន្នន័យមិនសមសម្រាប់ការវិភាគស្ថិតិត្រឹមត្រូវ ការរៀនគំរូ និងការស្រាវជ្រាវគ្លីនិក។
ជាភ័ស្តុតាង បច្ចេកទេសទាំងនេះមានគុណវិបត្តិដែលបន្សល់ទុកចន្លោះប្រហោងដែលតួអង្គព្យាបាទអាចបំពានបាន។ ជារឿយៗពួកគេដកធាតុសំខាន់ៗចេញពីសំណុំទិន្នន័យ ដែលកំណត់លទ្ធភាពប្រើប្រាស់របស់វា។ នេះមិនមែនជាករណីជាមួយបច្ចេកទេសជំនាន់ចុងក្រោយនោះទេ។
ឧបករណ៍អនាមិកជំនាន់ក្រោយ
កម្មវិធីអនាមិកទំនើបប្រើបច្ចេកទេសទំនើបដើម្បីបដិសេធហានិភ័យនៃការកំណត់អត្តសញ្ញាណឡើងវិញ។ ពួកគេផ្តល់មធ្យោបាយដើម្បីអនុលោមតាមច្បាប់ឯកជនភាពទាំងអស់ ខណៈពេលដែលរក្សាបាននូវគុណភាពរចនាសម្ព័ន្ធនៃទិន្នន័យ។
ការបង្កើតទិន្នន័យសំយោគ
ការបង្កើតទិន្នន័យសំយោគផ្តល់នូវវិធីសាស្រ្តដ៏ឆ្លាតវៃក្នុងការធ្វើឱ្យទិន្នន័យអនាមិកខណៈពេលដែលរក្សាបាននូវឧបករណ៍ប្រើប្រាស់ទិន្នន័យ។ បច្ចេកទេសនេះប្រើក្បួនដោះស្រាយដើម្បីបង្កើតសំណុំទិន្នន័យថ្មីដែលឆ្លុះបញ្ចាំងរចនាសម្ព័ន្ធ និងលក្ខណៈសម្បត្តិរបស់ទិន្នន័យពិត។
ទិន្នន័យសំយោគជំនួស PII និង PHI ជាមួយនឹងទិន្នន័យក្លែងក្លាយ ដែលមិនអាចតាមដានចំពោះបុគ្គល។ នេះធានាការអនុលោមតាមច្បាប់ឯកជនភាពទិន្នន័យ ដូចជា GDPR និង HIPAA ជាដើម។ តាមរយៈការទទួលយកឧបករណ៍បង្កើតទិន្នន័យសំយោគ អង្គការធានានូវភាពឯកជនទិន្នន័យ កាត់បន្ថយហានិភ័យនៃការបំពានទិន្នន័យ និងពន្លឿនការអភិវឌ្ឍន៍កម្មវិធីដែលជំរុញដោយទិន្នន័យ។
ការអ៊ិនគ្រីប Homomorphic
ការអ៊ិនគ្រីប homomorphic (បកប្រែជា "រចនាសម្ព័ន្ធដូចគ្នា") បំប្លែងទិន្នន័យ ចូលទៅក្នុងអត្ថបទសម្ងាត់។ សំណុំទិន្នន័យដែលបានអ៊ិនគ្រីបរក្សារចនាសម្ព័ន្ធដូចគ្នានឹងទិន្នន័យដើម ដែលបណ្តាលឱ្យមានភាពត្រឹមត្រូវល្អឥតខ្ចោះសម្រាប់ការសាកល្បង។
វិធីសាស្រ្តនេះអនុញ្ញាតឱ្យអនុវត្តការគណនាស្មុគស្មាញដោយផ្ទាល់នៅលើ ទិន្នន័យដែលបានអ៊ិនគ្រីប ដោយមិនចាំបាច់ឌិគ្រីបវាជាមុន។ អង្គការអាចរក្សាទុកឯកសារដែលបានអ៊ិនគ្រីបដោយសុវត្ថិភាពនៅក្នុងពពកសាធារណៈ និងដំណើរការទិន្នន័យប្រភពខាងក្រៅទៅកាន់ភាគីទីបីដោយមិនប៉ះពាល់ដល់សុវត្ថិភាព។ ទិន្នន័យនេះក៏ត្រូវគ្នាដែរ ព្រោះច្បាប់ឯកជនភាពមិនអនុវត្តចំពោះព័ត៌មានដែលបានអ៊ិនគ្រីបទេ។
ទោះជាយ៉ាងណាក៏ដោយ ក្បួនដោះស្រាយស្មុគ្រស្មាញត្រូវការអ្នកជំនាញសម្រាប់ការអនុវត្តត្រឹមត្រូវ។ លើសពីនេះ ការអ៊ិនគ្រីប homomorphic គឺយឺតជាងប្រតិបត្តិការលើទិន្នន័យដែលមិនបានអ៊ិនគ្រីប។ វាប្រហែលជាមិនមែនជាដំណោះស្រាយដ៏ល្អបំផុតសម្រាប់ក្រុម DevOps និង Quality Assurance (QA) ដែលទាមទារការចូលប្រើទិន្នន័យរហ័សសម្រាប់ការធ្វើតេស្ត។
ធានាការគណនាពហុភាគី
ការគណនាពហុភាគីដែលមានសុវត្ថិភាព (SMPC) គឺជាវិធីសាស្ត្រគ្រីបគ្រីបនៃការបង្កើតសំណុំទិន្នន័យជាមួយនឹងការខិតខំប្រឹងប្រែងរួមគ្នារបស់សមាជិកមួយចំនួន។ ភាគីនីមួយៗអ៊ិនគ្រីបការបញ្ចូលរបស់ពួកគេ អនុវត្តការគណនា និងទទួលបានទិន្នន័យដែលបានដំណើរការ។ វិធីនេះ សមាជិកគ្រប់រូបទទួលបានលទ្ធផលដែលពួកគេត្រូវការ ខណៈពេលដែលរក្សាទិន្នន័យផ្ទាល់ខ្លួនរបស់ពួកគេជាសម្ងាត់។
វិធីសាស្រ្តនេះតម្រូវឱ្យភាគីជាច្រើនដើម្បីឌិគ្រីបសំណុំទិន្នន័យដែលបានផលិត ដែលធ្វើឱ្យវាកាន់តែសម្ងាត់។ ទោះជាយ៉ាងណាក៏ដោយ SMPC ទាមទារពេលវេលាដ៏សំខាន់ដើម្បីបង្កើតលទ្ធផល។
| បច្ចេកទេសអនាមិកទិន្នន័យជំនាន់មុន។ | ឧបករណ៍អនាមិកជំនាន់ក្រោយ | ||||
|---|---|---|---|---|---|
| ការក្លែងបន្លំឈ្មោះ | ជំនួសអត្តសញ្ញាណអត្តសញ្ញាណផ្ទាល់ខ្លួនដោយឈ្មោះក្លែងក្លាយ ខណៈពេលដែលរក្សាតារាងផែនទីដាច់ដោយឡែក។ | - ការគ្រប់គ្រងទិន្នន័យធនធានមនុស្ស - អន្តរកម្មនៃការគាំទ្រអតិថិជន - ការស្ទង់មតិស្រាវជ្រាវ | ការបង្កើតទិន្នន័យសំយោគ | ប្រើក្បួនដោះស្រាយដើម្បីបង្កើតសំណុំទិន្នន័យថ្មីដែលឆ្លុះបញ្ចាំងរចនាសម្ព័ន្ធទិន្នន័យពិត ខណៈពេលដែលធានាភាពឯកជន និងការអនុលោមតាមច្បាប់។ | - ការអភិវឌ្ឍន៍កម្មវិធីដែលជំរុញដោយទិន្នន័យ - ការស្រាវជ្រាវគ្លីនិក - គំរូកម្រិតខ្ពស់ - ទីផ្សារអតិថិជន |
| ការបិទបាំងទិន្នន័យ | ផ្លាស់ប្តូរទិន្នន័យពិតជាមួយនឹងតួអក្សរក្លែងក្លាយ ដោយរក្សាទម្រង់ដដែល។ | - របាយការណ៍ហិរញ្ញវត្ថុ - បរិយាកាសបណ្តុះបណ្តាលអ្នកប្រើប្រាស់ | ការអ៊ិនគ្រីប Homomorphic | បំប្លែងទិន្នន័យទៅជាអក្សរសម្ងាត់ ខណៈពេលដែលរក្សារចនាសម្ព័ន្ធដើម ដោយអនុញ្ញាតឱ្យគណនាលើទិន្នន័យដែលបានអ៊ិនគ្រីបដោយមិនចាំបាច់ឌិគ្រីប។ | - ដំណើរការទិន្នន័យប្រកបដោយសុវត្ថិភាព - ការគណនាទិន្នន័យខាងក្រៅ - ការវិភាគទិន្នន័យកម្រិតខ្ពស់ |
| ទូទៅ (ការប្រមូលផ្តុំ) | កាត់បន្ថយព័ត៌មានលំអិត ការដាក់ជាក្រុមទិន្នន័យស្រដៀងគ្នា។ | - ការសិក្សាប្រជាសាស្រ្ត - ការសិក្សាទីផ្សារ | ធានាការគណនាពហុភាគី | វិធីសាស្ត្រ Cryptographic ដែលភាគីច្រើនអ៊ិនគ្រីបការបញ្ចូលរបស់ពួកគេ អនុវត្តការគណនា និងសម្រេចបានលទ្ធផលរួមគ្នា។ | - ការវិភាគទិន្នន័យសហការ - ការរួមបញ្ចូលទិន្នន័យសម្ងាត់ |
| ការរំខាន | កែប្រែសំណុំទិន្នន័យដោយការបង្គត់តម្លៃ និងបន្ថែមសំឡេងរំខានចៃដន្យ។ | - ការវិភាគទិន្នន័យសេដ្ឋកិច្ច - ការស្រាវជ្រាវគំរូចរាចរណ៍ - ការវិភាគទិន្នន័យលក់ | |||
| ការផ្លាស់ប្តូរទិន្នន័យ | រៀបចំតម្លៃគុណលក្ខណៈសំណុំទិន្នន័យឡើងវិញ ដើម្បីការពារការតាមដានដោយផ្ទាល់។ | - ការសិក្សាអំពីការដឹកជញ្ជូន - ការវិភាគទិន្នន័យអប់រំ | |||
| សញ្ញាតំណាង | ជំនួសទិន្នន័យរសើបជាមួយនឹងសញ្ញាសម្ងាត់មិនរសើប។ | - ដំណើរការទូទាត់ - ការស្រាវជ្រាវទំនាក់ទំនងអតិថិជន | |||
| ចៃដន្យ | បន្ថែមទិន្នន័យចៃដន្យ ឬក្លែងក្លាយដើម្បីផ្លាស់ប្តូរតម្លៃ។ | - ការវិភាគទិន្នន័យភូមិសាស្ត្រ - ការសិក្សាអំពីអាកប្បកិរិយា | |||
| ទិន្នន័យឡើងវិញ | យកព័ត៌មានចេញពីសំណុំទិន្នន័យ, | - ដំណើរការឯកសារច្បាប់ - ការគ្រប់គ្រងកំណត់ត្រា | |||
តារាងទី 1. ការប្រៀបធៀបរវាងបច្ចេកទេសអនាមិកជំនាន់មុន និងជំនាន់ក្រោយ
Smart data de-identification ជាវិធីសាស្រ្តថ្មីមួយចំពោះទិន្នន័យអនាមិក
ការកំណត់អត្តសញ្ញាណឆ្លាតវៃ អនាមិកទិន្នន័យដោយប្រើ AI បង្កើត ទិន្នន័យក្លែងក្លាយសំយោគ. វេទិកាដែលមានលក្ខណៈពិសេសបំប្លែងព័ត៌មានរសើបទៅជាទិន្នន័យដែលអនុលោមតាម មិនអាចកំណត់អត្តសញ្ញាណតាមវិធីខាងក្រោម៖
- កម្មវិធី De-identification វិភាគសំណុំទិន្នន័យដែលមានស្រាប់ និងកំណត់ PII និង PHI ។
- អង្គការអាចជ្រើសរើសទិន្នន័យរសើបណាមួយដើម្បីជំនួសដោយព័ត៌មានសិប្បនិម្មិត។
- ឧបករណ៍នេះផលិតសំណុំទិន្នន័យថ្មីជាមួយនឹងទិន្នន័យអនុលោមភាព។
បច្ចេកវិទ្យានេះមានប្រយោជន៍នៅពេលដែលស្ថាប័នត្រូវការសហការ និងផ្លាស់ប្តូរទិន្នន័យដ៏មានតម្លៃប្រកបដោយសុវត្ថិភាព។ វាក៏មានប្រយោជន៍ផងដែរ នៅពេលដែលទិន្នន័យចាំបាច់ត្រូវធ្វើឱ្យស្របទៅតាមលក្ខខណ្ឌមួយចំនួន មូលដ្ឋានទិន្នន័យទំនាក់ទំនង.
Smart de-identification រក្សាទំនាក់ទំនងក្នុងទិន្នន័យឱ្យនៅដដែល តាមរយៈការគូសផែនទីស្របគ្នា។ ក្រុមហ៊ុនអាចប្រើប្រាស់ទិន្នន័យដែលបានបង្កើតសម្រាប់ការវិភាគអាជីវកម្មស៊ីជម្រៅ ការបណ្តុះបណ្តាលម៉ាស៊ីន និងការធ្វើតេស្តគ្លីនិក។
ជាមួយនឹងវិធីសាស្រ្តជាច្រើន អ្នកត្រូវការវិធីដើម្បីកំណត់ថាតើឧបករណ៍អនាមិកត្រឹមត្រូវសម្រាប់អ្នកដែរឬទេ។
របៀបជ្រើសរើសឧបករណ៍អនាមិកទិន្នន័យត្រឹមត្រូវ។
- វិសាលភាពនៃប្រតិបត្តិការ។ ជ្រើសរើសឧបករណ៍ដែលមានសមត្ថភាពធ្វើមាត្រដ្ឋានឡើងលើ និងចុះក្រោមស្របតាមតម្រូវការប្រតិបត្តិការរបស់អ្នក។ ចំណាយពេលដើម្បីស្ត្រេសសាកល្បងប្រសិទ្ធភាពប្រតិបត្តិការក្រោមបន្ទុកការងារកើនឡើង។
- សមាហរណកម្ម។ ឧបករណ៍អនាមិកទិន្នន័យគួរតែរួមបញ្ចូលយ៉ាងរលូនជាមួយប្រព័ន្ធដែលមានស្រាប់ និងកម្មវិធីវិភាគរបស់អ្នក ក៏ដូចជាការរួមបញ្ចូលជាបន្ត និងការដាក់ឱ្យប្រើប្រាស់ជាបន្តបន្ទាប់ (CI/CD) បំពង់។ ភាពឆបគ្នាជាមួយនឹងការផ្ទុកទិន្នន័យ ការអ៊ិនគ្រីប និងវេទិកាដំណើរការរបស់អ្នកគឺមានសារៈសំខាន់សម្រាប់ប្រតិបត្តិការគ្មានថ្នេរ។
- ការធ្វើផែនទីទិន្នន័យស្របគ្នា។ ត្រូវប្រាកដថាអ្នករក្សាទិន្នន័យអនាមិកមានភាពសុចរិត និងភាពត្រឹមត្រូវនៃស្ថិតិដែលសមស្របនឹងតម្រូវការរបស់អ្នក។ បច្ចេកទេសអនាមិកជំនាន់មុនលុបធាតុដ៏មានតម្លៃពីសំណុំទិន្នន័យ. ទោះជាយ៉ាងណាក៏ដោយ ឧបករណ៍ទំនើបរក្សាបាននូវភាពត្រឹមត្រូវនៃសេចក្តីយោង ដោយធ្វើឱ្យទិន្នន័យមានភាពត្រឹមត្រូវគ្រប់គ្រាន់សម្រាប់ករណីប្រើប្រាស់កម្រិតខ្ពស់។
- យន្តការសន្តិសុខ។ ផ្តល់អាទិភាពដល់ឧបករណ៍ដែលការពារសំណុំទិន្នន័យពិតប្រាកដ និងលទ្ធផលអនាមិកប្រឆាំងនឹងការគំរាមកំហែងខាងក្នុង និងខាងក្រៅ។ កម្មវិធីត្រូវតែដាក់ឱ្យប្រើប្រាស់ក្នុងហេដ្ឋារចនាសម្ព័ន្ធអតិថិជនដែលមានសុវត្ថិភាព ការគ្រប់គ្រងការចូលប្រើដោយផ្អែកលើតួនាទី និង APIs ផ្ទៀងផ្ទាត់កត្តាពីរ។
- ហេដ្ឋារចនាសម្ព័ន្ធសមស្រប។ ត្រូវប្រាកដថាឧបករណ៍រក្សាទុកសំណុំទិន្នន័យនៅក្នុងកន្លែងផ្ទុកដែលមានសុវត្ថិភាពដែលអនុលោមតាមបទប្បញ្ញត្តិ GDPR, HIPAA និង CCPA ។ លើសពីនេះ វាគួរតែគាំទ្រការបម្រុងទុកទិន្នន័យ និងឧបករណ៍សង្គ្រោះដើម្បីជៀសវាងលទ្ធភាពនៃពេលវេលារងចាំដោយសារកំហុសដែលមិនរំពឹងទុក។
- គំរូបង់ប្រាក់។ ពិចារណាលើការចំណាយភ្លាមៗ និងរយៈពេលវែង ដើម្បីស្វែងយល់ថាតើឧបករណ៍នេះស្របនឹងថវិការបស់អ្នក។ ឧបករណ៍មួយចំនួនត្រូវបានរចនាឡើងសម្រាប់សហគ្រាសធំ និងអាជីវកម្មខ្នាតមធ្យម ខណៈដែលឧបករណ៍ផ្សេងទៀតមានគំរូដែលអាចបត់បែនបាន និងផែនការប្រើប្រាស់។
- ការគាំទ្រផ្នែកបច្ចេកទេស។ វាយតម្លៃគុណភាព និងភាពអាចរកបាននៃការគាំទ្ររបស់អតិថិជន និងបច្ចេកទេស។ អ្នកផ្តល់សេវាអាចជួយអ្នកក្នុងការរួមបញ្ចូលឧបករណ៍អនាមិកទិន្នន័យ បណ្តុះបណ្តាលបុគ្គលិក និងដោះស្រាយបញ្ហាបច្ចេកទេស។
ឧបករណ៍អនាមិកទិន្នន័យល្អបំផុតទាំង 7
ឥឡូវនេះអ្នកដឹងពីអ្វីដែលត្រូវរកមើល សូមស្វែងយល់ពីអ្វីដែលយើងជឿថាជាឧបករណ៍ដែលអាចទុកចិត្តបំផុតសម្រាប់ បិទបាំងព័ត៌មានរសើប.
1. Syntho
Syntho ត្រូវបានដំណើរការដោយកម្មវិធីបង្កើតទិន្នន័យសំយោគ ដែលផ្តល់ឱកាសសម្រាប់ការលុបអត្តសញ្ញាណឆ្លាតវៃ. ការបង្កើតទិន្នន័យផ្អែកលើច្បាប់របស់វេទិកានាំមកនូវភាពបត់បែន ដែលអនុញ្ញាតឱ្យអង្គការនានាបង្កើតទិន្នន័យតាមតម្រូវការរបស់ពួកគេ។
ម៉ាស៊ីនស្កេនដែលដំណើរការដោយ AI កំណត់ PII និង PHI ទាំងអស់នៅទូទាំងសំណុំទិន្នន័យ ប្រព័ន្ធ និងវេទិកា។ អង្គការអាចជ្រើសរើសទិន្នន័យណាមួយដែលត្រូវលុបចេញ ឬចំអក ដើម្បីអនុលោមតាមស្តង់ដារបទប្បញ្ញត្តិ។ ទន្ទឹមនឹងនេះ មុខងារកំណត់រងជួយបង្កើតសំណុំទិន្នន័យតូចៗសម្រាប់ការធ្វើតេស្ត កាត់បន្ថយបន្ទុកលើការផ្ទុក និងធនធានដំណើរការ។
វេទិកានេះមានប្រយោជន៍ក្នុងវិស័យផ្សេងៗ រួមទាំងការថែទាំសុខភាព ការគ្រប់គ្រងខ្សែសង្វាក់ផ្គត់ផ្គង់ និងហិរញ្ញវត្ថុ។ ស្ថាប័នប្រើប្រាស់វេទិកា Syntho ដើម្បីបង្កើតការមិនផលិត និងបង្កើតសេណារីយ៉ូការធ្វើតេស្តផ្ទាល់ខ្លួន។
អ្នកអាចស្វែងយល់បន្ថែមអំពីសមត្ថភាពរបស់ Syntho ដោយ កំណត់ពេលសាកល្បង.
2. K2view
3. Broadcom
4. ភាគច្រើន AI
5. ARX
6. ជំងឺភ្លេចភ្លាំង
7. Tonic.ai
ឧបករណ៍អនាមិកទិន្នន័យប្រើប្រាស់ករណី
ក្រុមហ៊ុននៅក្នុងផ្នែកហិរញ្ញវត្ថុ ការថែទាំសុខភាព ការផ្សាយពាណិជ្ជកម្ម និងសេវាសាធារណៈប្រើប្រាស់ឧបករណ៍អនាមិក ដើម្បីបន្តអនុលោមតាមច្បាប់ឯកជនភាពទិន្នន័យ។ សំណុំទិន្នន័យដែលមិនកំណត់អត្តសញ្ញាណត្រូវបានប្រើសម្រាប់សេណារីយ៉ូផ្សេងៗ។
ការអភិវឌ្ឍន៍និងសាកល្បងកម្មវិធី
ឧបករណ៍អនាមិកអាចឱ្យវិស្វករផ្នែកទន់ អ្នកសាកល្បង និងអ្នកជំនាញ QA ធ្វើការជាមួយសំណុំទិន្នន័យជាក់ស្តែងដោយមិនបង្ហាញ PII ។ ឧបករណ៍កម្រិតខ្ពស់ជួយក្រុមផ្តល់ដោយខ្លួនឯងនូវទិន្នន័យចាំបាច់ដែលធ្វើត្រាប់តាមលក្ខខណ្ឌនៃការសាកល្បងពិភពលោកពិតដោយគ្មានបញ្ហានៃការអនុលោម។ នេះជួយឱ្យស្ថាប័នកែលម្អប្រសិទ្ធភាពនៃការអភិវឌ្ឍន៍កម្មវិធី និងគុណភាពកម្មវិធីរបស់ពួកគេ។
ករណីពិត៖
- កម្មវិធីរបស់ Syntho បានបង្កើតទិន្នន័យតេស្តអនាមិក ដែលរក្សាតម្លៃស្ថិតិនៃទិន្នន័យពិត អនុញ្ញាតឱ្យអ្នកអភិវឌ្ឍន៍សាកល្បងសេណារីយ៉ូផ្សេងៗក្នុងល្បឿនកាន់តែច្រើន។
- ឃ្លាំង BigQuery របស់ Google ផ្តល់នូវមុខងារអនាមិកនៃសំណុំទិន្នន័យ ដើម្បីជួយអង្គការចែករំលែកទិន្នន័យជាមួយអ្នកផ្គត់ផ្គង់ដោយមិនបំពានច្បាប់ឯកជនភាព។
ការស្រាវជ្រាវគ្លីនិក
អ្នកស្រាវជ្រាវផ្នែកវេជ្ជសាស្រ្ត ជាពិសេសនៅក្នុងឧស្សាហកម្មឱសថ ធ្វើអនាមិកទិន្នន័យដើម្បីការពារភាពឯកជនសម្រាប់ការសិក្សារបស់ពួកគេ។ អ្នកស្រាវជ្រាវអាចវិភាគនិន្នាការ ប្រជាសាស្រ្តរបស់អ្នកជំងឺ និងលទ្ធផលនៃការព្យាបាល ដែលរួមចំណែកដល់ការជឿនលឿនផ្នែកវេជ្ជសាស្រ្តដោយមិនប្រថុយនឹងការសម្ងាត់របស់អ្នកជំងឺ។
ករណីពិត៖
- មជ្ឈមណ្ឌលវេជ្ជសាស្ត្រ Erasmus ប្រើឧបករណ៍បង្កើត AI អនាមិករបស់ Syntho ដើម្បីបង្កើត និងចែករំលែកសំណុំទិន្នន័យដែលមានគុណភាពខ្ពស់សម្រាប់ការស្រាវជ្រាវវេជ្ជសាស្រ្ត។
ការការពារការក្លែងបន្លំ
ក្នុងការទប់ស្កាត់ការក្លែងបន្លំ ឧបករណ៍អនាមិកអនុញ្ញាតឱ្យមានការវិភាគសុវត្ថិភាពនៃទិន្នន័យប្រតិបត្តិការ កំណត់អត្តសញ្ញាណគំរូព្យាបាទ។ ឧបករណ៍ de-identification ក៏អនុញ្ញាតឱ្យបណ្តុះបណ្តាលកម្មវិធី AI លើទិន្នន័យពិត ដើម្បីកែលម្អការក្លែងបន្លំ និងការរកឃើញហានិភ័យ។
ករណីពិត៖
- Brighterion បានបណ្តុះបណ្តាលលើទិន្នន័យប្រតិបត្តិការអនាមិករបស់ Mastercard ដើម្បីបង្កើនគំរូ AI របស់ខ្លួន ធ្វើអោយប្រសើរឡើងនូវអត្រានៃការរកឃើញការក្លែងបន្លំ ខណៈពេលដែលកាត់បន្ថយភាពវិជ្ជមានមិនពិត។
ទីផ្សារអតិថិជន
បច្ចេកទេសអនាមិកទិន្នន័យជួយវាយតម្លៃចំណូលចិត្តរបស់អតិថិជន។ អង្គការចែករំលែកសំណុំទិន្នន័យអាកប្បកិរិយាដែលមិនកំណត់អត្តសញ្ញាណជាមួយដៃគូអាជីវកម្មរបស់ពួកគេ ដើម្បីកែលម្អយុទ្ធសាស្រ្តទីផ្សារគោលដៅ និងកំណត់បទពិសោធន៍អ្នកប្រើប្រាស់ផ្ទាល់ខ្លួន។
ករណីពិត៖
- វេទិកាអនាមិកទិន្នន័យរបស់ Syntho បានទស្សន៍ទាយយ៉ាងត្រឹមត្រូវនូវការកូរអតិថិជនដោយប្រើទិន្នន័យសំយោគ បង្កើតចេញពីសំណុំទិន្នន័យរបស់អតិថិជនជាង 56,000 ដែលមាន 128 ជួរឈរ។
ការបោះពុម្ពទិន្នន័យសាធារណៈ
ទីភ្នាក់ងារ និងស្ថាប័នរដ្ឋាភិបាលប្រើប្រាស់ទិន្នន័យអនាមិក ដើម្បីចែករំលែក និងដំណើរការព័ត៌មានសាធារណៈប្រកបដោយតម្លាភាពសម្រាប់គំនិតផ្តួចផ្តើមសាធារណៈផ្សេងៗ។ ពួកគេរួមបញ្ចូលការព្យាករណ៍អំពីឧក្រិដ្ឋកម្មដោយផ្អែកលើទិន្នន័យពីបណ្តាញសង្គម និងកំណត់ត្រាឧក្រិដ្ឋកម្ម ការធ្វើផែនការទីក្រុងដោយផ្អែកលើប្រជាសាស្រ្ត និងផ្លូវដឹកជញ្ជូនសាធារណៈ ឬតម្រូវការថែទាំសុខភាពនៅទូទាំងតំបន់ដោយផ្អែកលើគំរូជំងឺ។
ករណីពិត៖
- សាកលវិទ្យាល័យ Indiana បានប្រើប្រាស់ទិន្នន័យស្មាតហ្វូនអនាមិកពីមន្រ្តីប៉ូលីសប្រហែល 10,000 នៅទូទាំងទីក្រុងចំនួន 21 របស់សហរដ្ឋអាមេរិក ដើម្បីបង្ហាញពីភាពខុសគ្នានៃការល្បាតសង្កាត់ដោយផ្អែកលើកត្តាសេដ្ឋកិច្ចសង្គម។
នេះគ្រាន់តែជាឧទាហរណ៍មួយចំនួនដែលយើងជ្រើសរើស។ នេះ។ កម្មវិធីអនាមិក ត្រូវបានប្រើនៅទូទាំងឧស្សាហកម្មទាំងអស់ជាមធ្យោបាយដើម្បីធ្វើឱ្យបានច្រើនបំផុតនៃទិន្នន័យដែលមាន។
ជ្រើសរើសឧបករណ៍អនាមិកទិន្នន័យល្អបំផុត
ក្រុមហ៊ុនទាំងអស់ប្រើ កម្មវិធីអនាមិកមូលដ្ឋានទិន្នន័យ ដើម្បីអនុលោមតាមច្បាប់ឯកជនភាព។ នៅពេលដកចេញពីព័ត៌មានផ្ទាល់ខ្លួន សំណុំទិន្នន័យអាចត្រូវបានប្រើប្រាស់ និងចែករំលែកដោយគ្មានហានិភ័យនៃការផាកពិន័យ ឬដំណើរការការិយាធិបតេយ្យ។
វិធីសាស្រ្តអនាមិកចាស់ៗដូចជាការប្តូរទិន្នន័យ ការបិទបាំង និងការលុបឡើងវិញមិនមានសុវត្ថិភាពគ្រប់គ្រាន់ទេ។ ការកំណត់អត្តសញ្ញាណទិន្នន័យ នៅតែមានលទ្ធភាព ដែលធ្វើឱ្យវាមិនអនុលោមតាម ឬមានគ្រោះថ្នាក់។ លើសពីនេះ ជំនាន់អតីតកាល កម្មវិធីអនាមិក ជាញឹកញាប់ធ្វើឱ្យខូចគុណភាពនៃទិន្នន័យ ជាពិសេសនៅក្នុង សំណុំទិន្នន័យធំ. អង្គការមិនអាចពឹងផ្អែកលើទិន្នន័យបែបនេះសម្រាប់ការវិភាគកម្រិតខ្ពស់បានទេ។
អ្នកគួរតែជ្រើសរើស អនាមិកទិន្នន័យល្អបំផុត កម្មវិធី។ អាជីវកម្មជាច្រើនជ្រើសរើសវេទិកា Syntho សម្រាប់ការកំណត់អត្តសញ្ញាណ PII ថ្នាក់កំពូលរបស់ខ្លួន ការបិទបាំង និងសមត្ថភាពបង្កើតទិន្នន័យសំយោគ។
តើអ្នកចាប់អារម្មណ៍ចង់ស្វែងយល់បន្ថែមទេ? មានអារម្មណ៍ថាមានសេរីភាពក្នុងការរុករកឯកសារផលិតផលរបស់យើងឬ ទាក់ទងមកយើងដើម្បីធ្វើបាតុកម្ម.
អំពីអ្នកនិពន្ធ
ប្រធានផ្នែកអភិវឌ្ឍន៍ពាណិជ្ជកម្ម
Uliana Krainskaដែលជានាយកប្រតិបត្តិផ្នែកអភិវឌ្ឍន៍អាជីវកម្មនៅ Syntho ជាមួយនឹងបទពិសោធន៍អន្តរជាតិក្នុងការអភិវឌ្ឍន៍កម្មវិធី និងឧស្សាហកម្ម SaaS បានទទួលសញ្ញាប័ត្រអនុបណ្ឌិតផ្នែក Digital Business and Innovation ពី VU Amsterdam ។
ក្នុងរយៈពេល 5 ឆ្នាំកន្លងមកនេះ Uliana បានបង្ហាញពីការប្តេជ្ញាចិត្តយ៉ាងមុតមាំក្នុងការស្វែងរកសមត្ថភាព AI និងផ្តល់នូវការប្រឹក្សាអាជីវកម្មជាយុទ្ធសាស្រ្តសម្រាប់ការអនុវត្តគម្រោង AI ។
រក្សាទុកការណែនាំទិន្នន័យសំយោគរបស់អ្នកឥឡូវនេះ!
- តើទិន្នន័យសំយោគគឺជាអ្វី?
- ហេតុអ្វីបានជាអង្គការប្រើវា?
- តម្លៃបន្ថែមករណីអតិថិជនទិន្នន័យសំយោគ
- របៀបចាប់ផ្តើម
