构建企业的敏捷性

左端，有包含直接个人识别码的数据。通过这些元素，可以识别你的姓名、地址或电话号码。另一端，则是GDPR引用的匿名数据。

如你所见，这些数据有一个中间范畴。它处于可识别数据和匿名数据之间，即假名数据和去识别数据。请注意，其界定仍有争议。有些报告认为假名化是去识别化的一部分， 而另一些报告则将其排除在外。

生成这种“中间数据”的技术本身并无问题。它们能有效地将数据最小化。根据用例需求，它们将彼此关联，发挥用处。但切记，它们无法生成真正的匿名数据，它们的机制无法保证阻止再识别，所以将其生成的数据称为“匿名数据”是一种误导。

匿名和“匿名”

假名化和去识别化确实能在某些方面保护数据隐私。但根据GDPR的定义，它们无法生成匿名数据。

假名化技术从数据中删除或替换直接个人标识码，例如，从数据集中删除所有名称和电子邮件，你无法直接从假名数据中识别某人，不过可以间接识别。实际上，剩余数据通常会保留间接识别码，组合这些信息后，就能创建直接识别码，如出生日期，邮编，性别等。

就此而言，假名化在GDPR框架中有一个单独定义：“……以以下方式处理个人数据，即在不使用附加信息的情况下，数据不再可以归因于特定数据主体”。与匿名数据相反，假名数据符合GDPR的要求。

去识别化技术从数据中去除直接和间接的个人身份识别码。理论上，去识别化数据和匿名化数据之间的界限很简单。最新消息表明：有技术可保障永远无法再识别数据。这是一种“疑罪从无”的情况，去识别化数据在未识别之前是匿名的。每当专家设法重新识别那些最初未识别出的数据时，他们都进一步推动了发展。

数据重新识别不断重新定义匿名

上述机制类型对隐私保护没有同等效力，因此如何处理这些数据很重要。公司定期发布或出售他们声称“匿名”的数据，但当他们使用的方法不能保证“匿名”时，就会带来隐患。

 

线程池的工作流程

可以参照一下源码理解一下下面的流程

1.线程池刚创建时，里面没有一个线程。任务队列是作为参数传进来的。不过，就算队列里面有任务，线程池也不会马上执行他们。

2.当调用execute()方法添加一个任务时，线程池会做如下判断：

a. 如果正在运行的线程数量小于corePoolSize，那么马上创建线程运行这个任务

b. 如果正在运行的线程数量大于或等于corePoolSize，那么将这个任务放入队列

c. 如果这时候队列满了，而且正在运行的线程数量小于maximunPoolSize，那么还是要创建非核心线程立刻运行这个任务

d. 如果队列满了，而且正在运行的线程数量大于或等于maximunPoolSize，那么线程池会抛出RejectedExecutionException

3.当一个线程完成任务时，它会从队列中取下一个任务来执行

4.当一个线程无事可做，超过一定的时间(keepAliveTime)时，线程池会判断，如果当前运行的线程数大于corePoolSize，那么这个线程就被停掉。所以线程池的所有任务完成后，它最终会收缩到corePoolSize的大小

可以用如下图来表示整体流程

（编辑：广元站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!