¿Una función manual para tener identidad?

Se realizó un estudio, al cual desafortunadamente no tengo un enlace, mediante el cual descubrieron que incluso cuando los datos del usuario no contenían información de identificación personal, podían rastrear individuos de otros atributos siempre que tuvieran una idea aproximada de su ubicación. Ahora esto puede o no puede ser tan aplicable a áreas densas como a áreas dispersas, pero si alguien promete el anonimato, puede ser una preocupación.

Con el enfoque que está sugiriendo, ¿cómo garantiza que llegarán al mismo código en ambas ocasiones y no cometerán el menor error al llegar a un código diferente? Recuerda, no tienen forma de verificarlo.

Dado que su pregunta es abierta, hay varios tipos de enfoques que puede tomar:

1) Cuando los distribuyes por los cuestionarios, ¿puedes dar ambos por adelantado? Por ejemplo, pídales que llenen uno de inmediato y luego el otro en un sobre cerrado que abren dos meses más tarde y luego lo llenan. Si eso es posible, por supuesto, puede tener la misma identificación en ambas encuestas. Por supuesto, existe la posibilidad de que pierdan la encuesta, pero creo que tendrá que asumir en su muestra que algunas personas que son encuestadas la primera vez no proporcionarán encuestas la segunda vez. Probablemente sea un poco menos probable que pierdan encuestas en comparación con un código que usted proporcionó.

2) Tal vez pueda hacer que usen una función hash CRC32 o MD5 en línea usando sus últimos cuatro dígitos de su teléfono, dos dígitos de su dirección, etc. o alguna combinación simple como esa. Aún no darán demasiada información de identificación personal, y pueden verificar que el sitio del que están recibiendo el hash no está relacionado con usted, si tienen alguna inquietud. Esto no es tan fácil de usar, pero definitivamente es más amigable que el cálculo de su propio hash, usando el esquema que especificó en su pregunta. (Por ejemplo, consulte aquí: enlace - también puede buscar "calcular hash en línea" o algo similar. Estoy seguro de que también habrá algunas aplicaciones para teléfonos.)

En cuanto al enfoque de código que tiene, tenga en cuenta que cada vez que use cualquier variable que esté en una base de datos en algún lugar, los usuarios podrán realizar un seguimiento. Por ejemplo, el consultorio de mi médico tiene mi seguridad social, mi fecha de nacimiento, mi nombre; no importa cómo me pida que lo incluya en la encuesta, alguien puede ejecutar fácilmente una herramienta automatizada para averiguar para qué se calcularán los códigos. Cada uno de esos registros y encontrar la encuesta. Por supuesto, se reduce a lo importante que es ser anónimo y lo que prometes y el impacto si alguien tuviera que rastrear la encuesta a un individuo.

FYI. El enfoque hash en # 2 también es vulnerable al mismo enfoque, aunque se requiere un poco más de esfuerzo dependiendo del hash utilizado.

Lo siento, es lo mejor que puedo imaginar ahora, con suerte, te ayudará a encontrar una solución. En mi opinión, si puede utilizar el enfoque # 1 arriba (dar ambas encuestas por adelantado), esa es la mejor manera de abordarlo y garantizar un alto nivel de anonimato.

Puedes preguntar los últimos tres dígitos de su número de teléfono celular.

Solo tenga claro por qué lo está haciendo y explique por qué no se pueden rastrear de esta manera. De lo contrario, te dirán números (o letras, o cualquier cosa) al azar, y el propósito será derrotado.

En cuanto a la probabilidad, suponiendo que la distribución es plana y el "token" puede asumir N valores (en este ejemplo, sería 998; creo que "000" podría no ser un final válido en algunos países), y usted están preguntando a M personas, entonces la probabilidad de tener una colisión es 1 - (998/998) (997/998) (996/998) ... ((998 -M) / 998).

Con 200 personas, tiene una probabilidad máxima de tener alrededor de 18-19 colisiones, y es muy poco probable que obtenga menos de 10 colisiones, o más de 30. Lo que significa que "reconocerá" a 170 personas de 200.

Con cuatro dígitos y 200 personas, puede esperar 1-2 colisiones; las posibilidades son insignificantes de obtener más de 8-9 colisiones.

Con 500 personas y cuatro dígitos (o cualquier otra cosa que pueda suponer alrededor de diez mil valores distribuidos aleatoriamente), puede obtener un dígito de la placa del vehículo, uno del último número de direcciones, uno del último dígito del año de nacimiento, y así sucesivamente) puede esperar 12-13 colisiones y, de nuevo, no hay ninguna posibilidad real de obtener menos de 2 colisiones, o más de 22.