Slimme de-identificatie en synthese
Maak gebruik van onze best-practice oplossingen om testdata te genereren die productiedata weerspiegelen voor uitgebreide tests en ontwikkeling in representatieve scenario's
Demo Aanvragen
Gebruik van originele persoonlijke data
omdat testdata niet zijn toegestaan
Testen en ontwikkeling met representatieve testdata is essentieel om state-of-the-art oplossingen te leveren. Het gebruik van originele productiedata lijkt voor de hand liggend, maar is vaak een uitdaging omdat het niet zomaar kan worden gebruikt omdat het:
- bevat (privacy)gevoelige informatie,
- is beperkt, schaars of mist data
- of bestaat helemaal niet.
Dit brengt voor veel organisaties uitdagingen met zich mee bij het verkrijgen van de juiste testdata. Daarom ondersteunt Syntho alle best practice-oplossingen om uw testdata goed vast te stellen.
Praktische tips voor
representatieve testdata
Volg de best practices om gevoelige data te beschermen en zorg ervoor dat deze bruikbaar blijven voor analyse en testen.
Slimme de-identificatie
PII-scanner
Identificeer PII automatisch met onze AI-aangedreven PII-scanner
Verminder handmatig werk en gebruik onze PII-scanner om kolommen in uw database te identificeren die direct persoonlijk identificeerbare informatie (PII) bevatten met behulp van AI.
Synthetische nepdata
Vervang gevoelige PII, PHI en andere identificatiedata
Vervang gevoelige PII, PHI en andere identificatiedata door representatieve synthetische mock-data die de bedrijfslogica en -patronen volgen.
Consistente mapping
Behoud referentiële integriteit in een volledig relationeel data-ecosysteem
Behoud referentiële integriteit met consistente toewijzing in een volledig data-ecosysteem om data te matchen in synthetische datataken, databases en systemen.
Gebruikersdocumentatie
Verken de Syntho-gebruikersdocumentatie
Synthetische datageneratie
Synthetische nepdata
Vervang gevoelige PII, PHI en andere identificatiedata
Op regels gebaseerd
Synthetische data
Creëer synthetische data op basis van vooraf gedefinieerde regels en beperkingen
AI gegenereerd
Synthetische data
Boots statistische patronen van originele data na in synthetische data met de kracht van kunstmatige intelligentie
De-identificatie en
Synthetisatie in 3 treden
Identificeer PII
Scan PII automatisch met onze PII-scanner via het tabblad 'PII' of identificeer kolommen die u wilt mocken via het tabblad 'Jobconfiguratie'.
Selecteer Spotters
Bevestig automatisch de door onze PII-scanner voorgestelde mocker of configureer mockers op kolomniveau.
Bevestig Mocker
Bevestig om de geselecteerde mocker toe te passen op een kolom via het tabblad PII of Job Configuration. Dit geeft gebruikers de flexibiliteit om kolommen te spotten en mockers dienovereenkomstig toe te passen.
Veelgestelde Vragen / FAQ
De-identificatie is een proces dat wordt gebruikt om gevoelige informatie te beschermen door persoonlijk identificeerbare informatie (PII) uit een dataset of database te verwijderen of te wijzigen.
De-identificatie wordt vaak gebruikt wanneer productiedata als uitgangspunt beschikbaar zijn. De-identificatie wordt toegepast om (privacy)gevoelige informatie uit de dataset of database te verwijderen of aan te passen om te voldoen aan de regelgeving inzake dataprivacy, aangezien het gebruik van persoonsdata niet is toegestaan volgens de privacyregelgeving (zoals de AVG).
Synthetisatie heeft tot doel synthetische data te creëren die kunstmatig worden gegenereerd en dienen als alternatief voor data uit de echte wereld.
Synthetisatie wordt vaak gebruikt wanneer productiedata beperkt of schaars zijn, data missen of helemaal niet als uitgangspunt bestaan. Nieuwe data worden kunstmatig gegenereerd en dienen als alternatief voor data uit de echte wereld.
Bouw beter en sneller met synthetische data vandaag
Ontgrendel datatoegang, versnel de ontwikkeling en verbeter de dataprivacy.
Schrijf je in op onze nieuwsbrief
Blijf op de hoogte van het laatste nieuws over synthetische data