Bloom-Filter-Audit für anonymisierten Klinik-Dublettencheck
Übersicht
Worum es bei diesem Projekt geht.
Du implementierst einen Counting-Bloom-Filter, analysierst FPR und Speicher – Abschluss mit verifizierbarem Zertifikat.
Das Szenario
Das Konsortium (DSGVO-streng reguliert, BfArM-relevante Studien) ist gerade in einer Re-Audit-Phase durch eine externe Datenschutz-Behörde — falsche FPR-Annahmen würden bedeuten, dass Pseudonyme häufiger fälschlich als Duplikat klassifiziert und damit aus Studien ausgeschlossen werden.
Das Briefing
Was Du tust und was Du zeigst.
Sind die aktuellen Bloom-Filter-Parameter (m, k) für 4,8 Mio. Pseudonyme bei einer Ziel-FPR von 0,1 % noch korrekt — und wenn nicht, welche Parameter sollten gewählt werden?
Earning criteria — what you'll demonstrate
- Bloom-Filter-Parameter analytisch herleiten und empirisch validieren
- Varianten (Standard- vs. Counting-Bloom-Filter) auf Use-Case-Tauglichkeit prüfen
- Probabilistische Datenstrukturen in einem Audit-Kontext kritisch bewerten
- Datenschutz-relevante Annahmen in mathematische Garantien übersetzen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Studienzuordnung folgt in Kürze.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
- Bloom Filters
Apply bloom filters to solve real industry problems and demonstrate production-level capability.
- Probabilistic Data Structures
Apply probabilistic data structures to solve real industry problems and demonstrate production-level capability.
- Hash Functions
Apply hash functions to solve real industry problems and demonstrate production-level capability.
- Python
Write clean, efficient Python for data processing, automation, and backend services.
- Performance Benchmarking
Apply performance benchmarking to solve real industry problems and demonstrate production-level capability.
- Code Audit
Apply code audit to solve real industry problems and demonstrate production-level capability.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Softwareentwickler:in
Ein methodisch sauberes Audit einer probabilistischen Datenstruktur ist eine starke Code-Review-Probe und zeigt, dass die Person Mathematik und Implementierung verbinden kann.
Dieses Projekt schärft
- bloom-filters
- code-audit
- python
Data Engineer:in
Bloom-Filter sind in jeder größeren Datenpipeline zur Deduplizierung im Einsatz — wer ihre Parameter sicher wählt, ist ein gefragtes Profil für Senior-Data-Engineering-Rollen.
Dieses Projekt schärft
- bloom-filters
- probabilistic-data-structures
- hash-functions
Noch eine Sache