Quelques défis relatifs à la dépersonnalisation de données [AWS, 2023] :
Conservation des attributs : La technique ou l’algorithme utilisé(e) doit absolument conserver les attributs d’origine pour certains types de données. Une vérification de la conservation des types de données et ∕ ou de la fréquence des catégories de données associées est requise.
Intégrité sémantique : L’intégrité sémantique doit être conservée afin de garantir par exemple que les données masquées restent significatives et réalistes.
Unicité des données : L’unicité des données pour certains attributs des données sources (exemple identifiant unique des employés) devrait être conservée au niveau des attributs associés considérant les données dépersonnalisées.
Intégration aux flux de travail existants : Une gestion de changement de processus associé au flux de travail existant est requise. La planification, la collaboration des parties prenantes ainsi que les besoins des utilisateurs finaux sont à considérer entres autres.
