डिजिटल पर्सनल डेटा प्रोटेक्शन एक्ट, 2023 Data Minimization पर ज़ोर देता है। इससे कारोबारों पर क्या असर पड़ेगा, खासकर उन पर जो विज्ञापन के लिए बहुत ज़्यादा डेटा इकट्ठा करते हैं?

कारोबारों को यह बताना होगा कि वे *हर* डेटा पॉइंट क्यों इकट्ठा कर रहे हैं। 'अच्छा होगा अगर मिल जाए' वाला डेटा अब नहीं चलेगा; डेटा एक खास मकसद के लिए *पूरी तरह ज़रूरी* होना चाहिए। विज्ञापन के लिए, इसका मतलब है कि यह साबित करना कि हर यूजर डेटा (जैसे, ब्राउज़िंग हिस्ट्री, जनसांख्यिकी) विज्ञापन दिखाने के लिए ज़रूरी है, जो कि मुश्किल है। कंपनियों को कम डेटा वाले विज्ञापन मॉडल पर जाना पड़ सकता है।

Data Minimization के बारे में क्या गलत धारणा है जिसका UPSC के एग्जामिनर MCQ में फायदा उठाते हैं?

गलत धारणा यह है कि Data Minimization का मतलब है *कोई* डेटा इकट्ठा नहीं करना। सही समझ यह है कि इसका मतलब है *सिर्फ वही इकट्ठा करना जो ज़रूरी है* एक खास मकसद के लिए। MCQ में अक्सर ऐसे विकल्प होते हैं जहाँ किसी भी तरह के डेटा कलेक्शन को Data Minimization का उल्लंघन बताया जाता है, जो कि गलत है।

Data Minimization के लिए ज़रूरी है कि डेटा को समय-समय पर डिलीट किया जाए। लेकिन अगर किसी कंपनी को लगता है कि उसे भविष्य में पुराने डेटा की ज़रूरत पड़ सकती है – क्या Data Minimization इसे रोकता है?

Data Minimization भविष्य में होने वाले एनालिसिस के लिए डेटा रखने से *पूरी तरह* नहीं रोकता है, लेकिन यह संगठन पर सबूत का भारी बोझ डालता है। उन्हें डेटा रखने के लिए एक *मजबूत* और *खास* कारण बताना होगा, भले ही मकसद अभी तक तय न हो। 'भविष्य में इस्तेमाल होने की संभावना' जैसे अस्पष्ट कारण काफी नहीं हैं। भविष्य में इस्तेमाल होने की संभावना डेटा रखने के प्राइवेसी जोखिमों से ज़्यादा होनी चाहिए।

आलोचकों का कहना है कि सख्त Data Minimization इनोवेशन को रोक सकता है, खासकर AI/ML में जहाँ बड़े डेटासेट की अक्सर ज़रूरत होती है। इस आलोचना का सबसे मजबूत जवाब क्या है?

सबसे मजबूत जवाब यह है कि Data Minimization *प्राइवेसी बढ़ाने वाली तकनीकों (PETs)* की ओर इनोवेशन को *मजबूर* करता है। अंधाधुंध डेटा इकट्ठा करने के बजाय, कंपनियों को फ़ेडरेटेड लर्निंग, डिफ़रेंशियल प्राइवेसी और सिंथेटिक डेटा जनरेशन जैसी तकनीकें विकसित करने के लिए प्रोत्साहित किया जाता है। ये PETs AI/ML मॉडल को संवेदनशील निजी डेटा तक सीधे एक्सेस किए बिना या स्टोर किए बिना प्रशिक्षित करने की अनुमति देते हैं, जिससे इनोवेशन के लिए ज़्यादा प्राइवेसी-सम्मानजनक और टिकाऊ तरीका बनता है।

डिजिटल पर्सनल डेटा प्रोटेक्शन एक्ट, 2023 Data Minimization पर ज़ोर देता है। इससे कारोबारों पर क्या असर पड़ेगा, खासकर उन पर जो विज्ञापन के लिए बहुत ज़्यादा डेटा इकट्ठा करते हैं?

कारोबारों को यह बताना होगा कि वे *हर* डेटा पॉइंट क्यों इकट्ठा कर रहे हैं। 'अच्छा होगा अगर मिल जाए' वाला डेटा अब नहीं चलेगा; डेटा एक खास मकसद के लिए *पूरी तरह ज़रूरी* होना चाहिए। विज्ञापन के लिए, इसका मतलब है कि यह साबित करना कि हर यूजर डेटा (जैसे, ब्राउज़िंग हिस्ट्री, जनसांख्यिकी) विज्ञापन दिखाने के लिए ज़रूरी है, जो कि मुश्किल है। कंपनियों को कम डेटा वाले विज्ञापन मॉडल पर जाना पड़ सकता है।

Data Minimization के बारे में क्या गलत धारणा है जिसका UPSC के एग्जामिनर MCQ में फायदा उठाते हैं?

गलत धारणा यह है कि Data Minimization का मतलब है *कोई* डेटा इकट्ठा नहीं करना। सही समझ यह है कि इसका मतलब है *सिर्फ वही इकट्ठा करना जो ज़रूरी है* एक खास मकसद के लिए। MCQ में अक्सर ऐसे विकल्प होते हैं जहाँ किसी भी तरह के डेटा कलेक्शन को Data Minimization का उल्लंघन बताया जाता है, जो कि गलत है।

Data Minimization के लिए ज़रूरी है कि डेटा को समय-समय पर डिलीट किया जाए। लेकिन अगर किसी कंपनी को लगता है कि उसे भविष्य में पुराने डेटा की ज़रूरत पड़ सकती है – क्या Data Minimization इसे रोकता है?

Data Minimization भविष्य में होने वाले एनालिसिस के लिए डेटा रखने से *पूरी तरह* नहीं रोकता है, लेकिन यह संगठन पर सबूत का भारी बोझ डालता है। उन्हें डेटा रखने के लिए एक *मजबूत* और *खास* कारण बताना होगा, भले ही मकसद अभी तक तय न हो। 'भविष्य में इस्तेमाल होने की संभावना' जैसे अस्पष्ट कारण काफी नहीं हैं। भविष्य में इस्तेमाल होने की संभावना डेटा रखने के प्राइवेसी जोखिमों से ज़्यादा होनी चाहिए।

आलोचकों का कहना है कि सख्त Data Minimization इनोवेशन को रोक सकता है, खासकर AI/ML में जहाँ बड़े डेटासेट की अक्सर ज़रूरत होती है। इस आलोचना का सबसे मजबूत जवाब क्या है?

सबसे मजबूत जवाब यह है कि Data Minimization *प्राइवेसी बढ़ाने वाली तकनीकों (PETs)* की ओर इनोवेशन को *मजबूर* करता है। अंधाधुंध डेटा इकट्ठा करने के बजाय, कंपनियों को फ़ेडरेटेड लर्निंग, डिफ़रेंशियल प्राइवेसी और सिंथेटिक डेटा जनरेशन जैसी तकनीकें विकसित करने के लिए प्रोत्साहित किया जाता है। ये PETs AI/ML मॉडल को संवेदनशील निजी डेटा तक सीधे एक्सेस किए बिना या स्टोर किए बिना प्रशिक्षित करने की अनुमति देते हैं, जिससे इनोवेशन के लिए ज़्यादा प्राइवेसी-सम्मानजनक और टिकाऊ तरीका बनता है।

डिजिटल पर्सनल डेटा प्रोटेक्शन एक्ट, 2023 Data Minimization पर ज़ोर देता है। इससे कारोबारों पर क्या असर पड़ेगा, खासकर उन पर जो विज्ञापन के लिए बहुत ज़्यादा डेटा इकट्ठा करते हैं?

कारोबारों को यह बताना होगा कि वे *हर* डेटा पॉइंट क्यों इकट्ठा कर रहे हैं। 'अच्छा होगा अगर मिल जाए' वाला डेटा अब नहीं चलेगा; डेटा एक खास मकसद के लिए *पूरी तरह ज़रूरी* होना चाहिए। विज्ञापन के लिए, इसका मतलब है कि यह साबित करना कि हर यूजर डेटा (जैसे, ब्राउज़िंग हिस्ट्री, जनसांख्यिकी) विज्ञापन दिखाने के लिए ज़रूरी है, जो कि मुश्किल है। कंपनियों को कम डेटा वाले विज्ञापन मॉडल पर जाना पड़ सकता है।

Data Minimization के बारे में क्या गलत धारणा है जिसका UPSC के एग्जामिनर MCQ में फायदा उठाते हैं?

गलत धारणा यह है कि Data Minimization का मतलब है *कोई* डेटा इकट्ठा नहीं करना। सही समझ यह है कि इसका मतलब है *सिर्फ वही इकट्ठा करना जो ज़रूरी है* एक खास मकसद के लिए। MCQ में अक्सर ऐसे विकल्प होते हैं जहाँ किसी भी तरह के डेटा कलेक्शन को Data Minimization का उल्लंघन बताया जाता है, जो कि गलत है।

Data Minimization के लिए ज़रूरी है कि डेटा को समय-समय पर डिलीट किया जाए। लेकिन अगर किसी कंपनी को लगता है कि उसे भविष्य में पुराने डेटा की ज़रूरत पड़ सकती है – क्या Data Minimization इसे रोकता है?

Data Minimization भविष्य में होने वाले एनालिसिस के लिए डेटा रखने से *पूरी तरह* नहीं रोकता है, लेकिन यह संगठन पर सबूत का भारी बोझ डालता है। उन्हें डेटा रखने के लिए एक *मजबूत* और *खास* कारण बताना होगा, भले ही मकसद अभी तक तय न हो। 'भविष्य में इस्तेमाल होने की संभावना' जैसे अस्पष्ट कारण काफी नहीं हैं। भविष्य में इस्तेमाल होने की संभावना डेटा रखने के प्राइवेसी जोखिमों से ज़्यादा होनी चाहिए।

आलोचकों का कहना है कि सख्त Data Minimization इनोवेशन को रोक सकता है, खासकर AI/ML में जहाँ बड़े डेटासेट की अक्सर ज़रूरत होती है। इस आलोचना का सबसे मजबूत जवाब क्या है?

सबसे मजबूत जवाब यह है कि Data Minimization *प्राइवेसी बढ़ाने वाली तकनीकों (PETs)* की ओर इनोवेशन को *मजबूर* करता है। अंधाधुंध डेटा इकट्ठा करने के बजाय, कंपनियों को फ़ेडरेटेड लर्निंग, डिफ़रेंशियल प्राइवेसी और सिंथेटिक डेटा जनरेशन जैसी तकनीकें विकसित करने के लिए प्रोत्साहित किया जाता है। ये PETs AI/ML मॉडल को संवेदनशील निजी डेटा तक सीधे एक्सेस किए बिना या स्टोर किए बिना प्रशिक्षित करने की अनुमति देते हैं, जिससे इनोवेशन के लिए ज़्यादा प्राइवेसी-सम्मानजनक और टिकाऊ तरीका बनता है।

डिजिटल पर्सनल डेटा प्रोटेक्शन एक्ट, 2023 Data Minimization पर ज़ोर देता है। इससे कारोबारों पर क्या असर पड़ेगा, खासकर उन पर जो विज्ञापन के लिए बहुत ज़्यादा डेटा इकट्ठा करते हैं?

कारोबारों को यह बताना होगा कि वे *हर* डेटा पॉइंट क्यों इकट्ठा कर रहे हैं। 'अच्छा होगा अगर मिल जाए' वाला डेटा अब नहीं चलेगा; डेटा एक खास मकसद के लिए *पूरी तरह ज़रूरी* होना चाहिए। विज्ञापन के लिए, इसका मतलब है कि यह साबित करना कि हर यूजर डेटा (जैसे, ब्राउज़िंग हिस्ट्री, जनसांख्यिकी) विज्ञापन दिखाने के लिए ज़रूरी है, जो कि मुश्किल है। कंपनियों को कम डेटा वाले विज्ञापन मॉडल पर जाना पड़ सकता है।

Data Minimization के बारे में क्या गलत धारणा है जिसका UPSC के एग्जामिनर MCQ में फायदा उठाते हैं?

गलत धारणा यह है कि Data Minimization का मतलब है *कोई* डेटा इकट्ठा नहीं करना। सही समझ यह है कि इसका मतलब है *सिर्फ वही इकट्ठा करना जो ज़रूरी है* एक खास मकसद के लिए। MCQ में अक्सर ऐसे विकल्प होते हैं जहाँ किसी भी तरह के डेटा कलेक्शन को Data Minimization का उल्लंघन बताया जाता है, जो कि गलत है।

Data Minimization के लिए ज़रूरी है कि डेटा को समय-समय पर डिलीट किया जाए। लेकिन अगर किसी कंपनी को लगता है कि उसे भविष्य में पुराने डेटा की ज़रूरत पड़ सकती है – क्या Data Minimization इसे रोकता है?

Data Minimization भविष्य में होने वाले एनालिसिस के लिए डेटा रखने से *पूरी तरह* नहीं रोकता है, लेकिन यह संगठन पर सबूत का भारी बोझ डालता है। उन्हें डेटा रखने के लिए एक *मजबूत* और *खास* कारण बताना होगा, भले ही मकसद अभी तक तय न हो। 'भविष्य में इस्तेमाल होने की संभावना' जैसे अस्पष्ट कारण काफी नहीं हैं। भविष्य में इस्तेमाल होने की संभावना डेटा रखने के प्राइवेसी जोखिमों से ज़्यादा होनी चाहिए।

आलोचकों का कहना है कि सख्त Data Minimization इनोवेशन को रोक सकता है, खासकर AI/ML में जहाँ बड़े डेटासेट की अक्सर ज़रूरत होती है। इस आलोचना का सबसे मजबूत जवाब क्या है?

सबसे मजबूत जवाब यह है कि Data Minimization *प्राइवेसी बढ़ाने वाली तकनीकों (PETs)* की ओर इनोवेशन को *मजबूर* करता है। अंधाधुंध डेटा इकट्ठा करने के बजाय, कंपनियों को फ़ेडरेटेड लर्निंग, डिफ़रेंशियल प्राइवेसी और सिंथेटिक डेटा जनरेशन जैसी तकनीकें विकसित करने के लिए प्रोत्साहित किया जाता है। ये PETs AI/ML मॉडल को संवेदनशील निजी डेटा तक सीधे एक्सेस किए बिना या स्टोर किए बिना प्रशिक्षित करने की अनुमति देते हैं, जिससे इनोवेशन के लिए ज़्यादा प्राइवेसी-सम्मानजनक और टिकाऊ तरीका बनता है।

डेटा मिनिमाइजेशन (Data Minimization) | UPSC Concept

डेटा मिनिमाइजेशन (Data Minimization) क्या है?

डेटा मिनिमाइजेशन (Data Minimization) का मतलब है कि सिर्फ उतना ही डेटा इकट्ठा करना और रखना जितना किसी खास और जायज़ काम के लिए ज़रूरी हो। ये डेटा प्राइवेसी का एक ज़रूरी हिस्सा है, जिसका मकसद डेटा लीक, गलत इस्तेमाल या बिना इजाजत एक्सेस से होने वाले नुकसान को कम करना है। इसे ऐसे समझो: अगर आपको किसी को कॉल करने के लिए सिर्फ उसका फोन नंबर चाहिए, तो आपको उसका पता, जन्मतिथि और पसंदीदा रंग भी नहीं लेना चाहिए। मकसद ये है कि जितना डेटा ज़रूरी है, सिर्फ उतना ही प्रोसेस (process) किया जाए। इससे डेटा लीक होने का खतरा कम हो जाता है और पर्सनल जानकारी के गलत इस्तेमाल की संभावना भी कम हो जाती है। ये कई डेटा प्रोटेक्शन कानूनों (Data Protection Laws) में एक ज़रूरी शर्त है, जैसे कि जनरल डेटा प्रोटेक्शन रेगुलेशन (General Data Protection Regulation - GDPR)।

ऐतिहासिक पृष्ठभूमि

डेटा मिनिमाइजेशन (Data Minimization) का विचार तब सामने आया जब ऑर्गनाइजेशन (organizations) बहुत ज़्यादा पर्सनल डेटा इकट्ठा और प्रोसेस (process) करने लगे, खासकर इंटरनेट और डिजिटल टेक्नोलॉजी (digital technologies) के बढ़ने के साथ। पहले, जब डेटा प्रोटेक्शन (Data Protection) के लिए कोई खास कानून नहीं था, तो कंपनियां अक्सर बहुत सारा डेटा इकट्ठा कर लेती थीं, बिना ये सोचे कि ये ज़रूरी है या नहीं और ये कितना सुरक्षित है। डेटा मिनिमाइजेशन (Data Minimization) पर ज़ोर 1970 और 1980 के दशक में बढ़ना शुरू हुआ, जब डेटा प्रोटेक्शन (Data Protection) के शुरुआती नियम बनाए गए। 1981 में, काउंसिल ऑफ यूरोप (Council of Europe) का कन्वेंशन 108 (Convention 108) आया, जो डेटा प्रोटेक्शन (Data Protection) पर पहला इंटरनेशनल ट्रीटी (International Treaty) था। इसमें डेटा की क्वालिटी (Quality) और ज़रूरत से जुड़े नियम थे। लेकिन, इंटरनेट के आने और डेटा कलेक्शन (Data Collection) के बहुत ज़्यादा बढ़ने से डेटा मिनिमाइजेशन (Data Minimization) की ज़रूरत और भी ज़्यादा महसूस हुई। 2018 में, जनरल डेटा प्रोटेक्शन रेगुलेशन (General Data Protection Regulation - GDPR) आया, जिसने डेटा मिनिमाइजेशन (Data Minimization) को एक ज़रूरी नियम बना दिया, जिसका असर दुनिया भर के डेटा प्रोटेक्शन कानूनों (Data Protection Laws) पर पड़ा।

मुख्य प्रावधान

13 points

1.
डेटा मिनिमाइजेशन (Data Minimization) का मतलब सिर्फ कम डेटा इकट्ठा करना नहीं है; इसका मतलब है *सिर्फ* वही इकट्ठा करना जो आपको चाहिए। अगर आप कोई सर्वे (survey) कर रहे हैं, तो सिर्फ वही सवाल पूछें जो आपके रिसर्च (research) के लिए ज़रूरी हैं। डेमोग्राफिक (demographic) जानकारी तब तक न मांगें जब तक कि ये आपके एनालिसिस (analysis) के लिए ज़रूरी न हो।
2.
'पर्पस लिमिटेशन (Purpose Limitation)' का नियम डेटा मिनिमाइजेशन (Data Minimization) से जुड़ा हुआ है। इसका मतलब है कि आप जो डेटा इकट्ठा करते हैं, उसे सिर्फ उसी काम के लिए इस्तेमाल कर सकते हैं जिसके लिए आपने इसे इकट्ठा किया था। अगर आप न्यूज़लेटर (newsletter) भेजने के लिए ईमेल एड्रेस (email address) इकट्ठा करते हैं, तो आप उनका इस्तेमाल बिना मांगे मार्केटिंग ईमेल (marketing email) भेजने के लिए नहीं कर सकते।
3.
डेटा मिनिमाइजेशन (Data Minimization) के लिए ज़रूरी है कि आप अपने पास मौजूद डेटा को समय-समय पर चेक (check) करें और जो डेटा अब ज़रूरी नहीं है उसे डिलीट (delete) कर दें।
4.
डेटा मिनिमाइजेशन (Data Minimization) का लेवल (level) डेटा की सेंसिटिविटी (sensitivity) पर निर्भर करता है। हेल्थ (health), धर्म या पॉलिटिकल ओपिनियन (political opinion) से जुड़े डेटा को ज़्यादा प्रोटेक्शन (protection) और मिनिमाइजेशन (minimization) की ज़रूरत होती है, जबकि किसी के पसंदीदा आइसक्रीम (ice cream) के बारे में डेटा को कम प्रोटेक्शन (protection) की ज़रूरत होती है।

दृश्य सामग्री

Data Minimization: Core Principles

Illustrates the core principles of data minimization, including purpose limitation, data retention, and security.

Data Minimization

●Purpose Limitation
●Data Retention
●Data Security

वास्तविक दुनिया के उदाहरण

1 उदाहरण

यह अवधारणा 1 वास्तविक उदाहरणों में दिखाई दी है अवधि: Feb 2026 से Feb 2026

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

26 Feb 2026

ये खबर डेटा मिनिमाइजेशन (Data Minimization) के महत्व को दिखाती है। ये दिखाती है कि कैसे डेटा इकट्ठा करने की अच्छी नीयत से की गई कोशिशें भी परेशानी खड़ी कर सकती हैं अगर उन्हें ध्यान से न किया जाए और सिर्फ उतनी ही जानकारी इकट्ठा की जाए जितनी ज़रूरी है। डेटा इकट्ठा करने के आरोप डेटा मिनिमाइजेशन (Data Minimization) के नियम को चुनौती देते हैं क्योंकि इससे ये सवाल उठता है कि क्या जो डेटा मांगा गया था वो सेंट्रलाइज्ड नोटिफिकेशन हब (centralized notification hub) बनाने के लिए ज़रूरी था या नहीं। अगर इकट्ठा किया गया डेटा नोटिफिकेशन (notification) के लिए ज़रूरी डेटा से ज़्यादा था, तो ये डेटा मिनिमाइजेशन (Data Minimization) के नियमों का उल्लंघन होगा। ये खबर दिखाती है कि सरकारी दफ्तरों में भी, जहां डेटा इकट्ठा करना प्रशासनिक कामों को आसान बनाने के लिए जायज़ हो सकता है, ज़्यादा डेटा इकट्ठा करने और प्राइवेसी (privacy) के उल्लंघन का खतरा होता है। डेटा मिनिमाइजेशन (Data Minimization) को समझना इस खबर का एनालिसिस (analysis) करने के लिए ज़रूरी है क्योंकि ये ये देखने का एक तरीका है कि सरकार का डेटा इकट्ठा करने का तरीका सही था या नहीं। ये डेटा इकट्ठा करने के प्रोसेस (process) में पारदर्शिता और जवाबदेही की ज़रूरत को भी दिखाता है ताकि ये पक्का किया जा सके कि पर्सनल डेटा (personal data) को सुरक्षित रखा जाए और उसका सही इस्तेमाल किया जाए।

स्रोत विषय

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

Polity & Governance

UPSC महत्व

डेटा मिनिमाइजेशन (Data Minimization) GS-2 (गवर्नेंस (governance), संविधान, राजनीति, सामाजिक न्याय) और GS-3 (टेक्नोलॉजी (technology), अर्थव्यवस्था, सुरक्षा) के लिए बहुत ज़रूरी है। ये अक्सर डेटा प्रोटेक्शन (Data Protection), प्राइवेसी (privacy) और डिजिटल इकोनॉमी (digital economy) के संदर्भ में पूछा जाता है। प्रीलिम्स (prelims) में, डेफिनेशन (definition), नियमों और कानूनी ढांचे पर सवाल आ सकते हैं। मेन्स (mains) में, आपसे इंडिया (India) में डेटा मिनिमाइजेशन (Data Minimization) को लागू करने की चुनौतियों का एनालिसिस (analysis) करने, इसकी तुलना दूसरे डेटा प्रोटेक्शन (Data Protection) नियमों से करने या डिजिटल ट्रस्ट (digital trust) को बढ़ावा देने में इसकी भूमिका पर बात करने के लिए कहा जा सकता है। हाल के सालों में डेटा प्राइवेसी (data privacy) और एक मजबूत डेटा प्रोटेक्शन कानून (Data Protection Law) की ज़रूरत पर सवाल आए हैं, जिससे डेटा मिनिमाइजेशन (Data Minimization) को समझना बहुत ज़रूरी हो गया है। जवाब देते समय, प्रैक्टिकल (practical) असर और डेटा कलेक्शन (Data Collection) और व्यक्तिगत अधिकारों के बीच बैलेंस (balance) पर ध्यान दें। ज़रूरी कानूनों और कोर्ट (court) के केसों का हवाला देना न भूलें।

❓

सामान्य प्रश्न

1. Data Minimization और Data Anonymization एक जैसे लगते हैं। UPSC प्रीलिम्स में स्टेटमेंट वाले सवाल के लिए क्या ज़रूरी अंतर याद रखना चाहिए?

Data Minimization का मतलब है *सिर्फ* ज़रूरी डेटा इकट्ठा करना, जबकि Data Anonymization का मतलब है इकट्ठा किए गए डेटा से *सारी* पहचान वाली जानकारी हटा देना। Minimization डेटा इकट्ठा करने की मात्रा कम करता है; Anonymization पहले से इकट्ठा डेटा को बदल देता है। एक डेटा की *मात्रा* कम करता है; दूसरा डेटा की *प्रकृति* बदलता है।

परीक्षा युक्ति

याद रखें: MINIMIZE यानी मात्रा कम करना, ANONYMIZE यानी पहचान छुपाना।

2. Data Minimization क्यों ज़रूरी है – यह कौन सी खास समस्या हल करता है जो डेटा सुरक्षा के दूसरे तरीके नहीं करते?

Data Minimization डेटा लीक होने के *खतरे* को कम करता है। Encryption डेटा को *भेजते समय* या *स्टोर करते समय* सुरक्षित रखता है। Consent बताता है कि डेटा *कैसे* इकट्ठा किया जाए। लेकिन सिर्फ Data Minimization ही चोरी या गलत इस्तेमाल होने वाले डेटा की *मात्रा* को कम करता है। अगर डेटा इकट्ठा ही नहीं किया गया, तो लीक होने का खतरा नहीं है।

UPSC महत्व

Data Minimization: Core Principles

This Concept in News

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

Data Minimization: Core Principles

This Concept in News

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

Data Minimization: Core Principles

This Concept in News

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

Data Minimization: Core Principles

This Concept in News

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

डेटा मिनिमाइजेशन (Data Minimization)

डेटा मिनिमाइजेशन (Data Minimization) क्या है?

ऐतिहासिक पृष्ठभूमि

मुख्य प्रावधान

दृश्य सामग्री

Data Minimization: Core Principles

वास्तविक दुनिया के उदाहरण

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

स्रोत विषय

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

UPSC महत्व

सामान्य प्रश्न

डेटा मिनिमाइजेशन (Data Minimization)

डेटा मिनिमाइजेशन (Data Minimization) क्या है?

ऐतिहासिक पृष्ठभूमि

मुख्य प्रावधान

दृश्य सामग्री

Data Minimization: Core Principles

वास्तविक दुनिया के उदाहरण

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

स्रोत विषय

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

UPSC महत्व

सामान्य प्रश्न

Data Minimization: Core Principles

This Concept in News

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

Data Minimization: Core Principles

This Concept in News

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

Data Minimization: Core Principles

This Concept in News

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

Data Minimization: Core Principles

This Concept in News

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

डेटा मिनिमाइजेशन (Data Minimization)

डेटा मिनिमाइजेशन (Data Minimization) क्या है?

ऐतिहासिक पृष्ठभूमि

मुख्य प्रावधान

दृश्य सामग्री

Data Minimization: Core Principles

वास्तविक दुनिया के उदाहरण

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

संबंधित अवधारणाएं

स्रोत विषय

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

UPSC महत्व

सामान्य प्रश्न

डेटा मिनिमाइजेशन (Data Minimization)

डेटा मिनिमाइजेशन (Data Minimization) क्या है?

ऐतिहासिक पृष्ठभूमि

मुख्य प्रावधान

दृश्य सामग्री

Data Minimization: Core Principles

वास्तविक दुनिया के उदाहरण

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

संबंधित अवधारणाएं

स्रोत विषय

Kerala: Chennithala Alleges Data Leak from SPARK, Questions CM's Role

UPSC महत्व

सामान्य प्रश्न