L’adozione di sistemi di intelligenza artificiale all’interno comporta l’utilizzo di grandi quantità di dati, spesso personali o aziendali. Tali dati sono necessari per: addestrare modelli, condurre ricerche, sviluppare nuove applicazioni, preparare rapporti, ecc.
la guida
Anonimizzazione dati AI: tecniche, strumenti e rischi da valutare
L’uso dell’intelligenza artificiale impone misure tecniche e organizzative per ridurre rischi di re-identificazione, leakage e riuso improprio dei dataset. Anonimizzazione, pseudonimizzazione, mascheramento, dati sintetici e controlli interni richiedono scelte calibrate su finalità, contesto normativo e rischio residuo
Pubblicato il 28 lug 2026
Monica Perego
Ingegnere, consulente e formatore, Consultia Srl
Continua a leggere questo articolo
InnovAttori
-
Quali competenze per portare la physical AI nello spazio: il caso Sitael
22 Lug 2026 -
AI in azienda, perché gestire il cambiamento è anche una questione di sicurezza
10 Lug 2026 -
Data center, quanto cresce l’Italia: ma attenzione al thermal management
06 Lug 2026 -
Ecosistemi travel-tech: startup, AI e nuovi modelli per il turismo
15 Giu 2026 -
L’IA nel turismo corre, ma non per tutti: la mappa italiana e globale
08 Mag 2026
