ડેટા તથા સાયબર સુરક્ષા-1 ~ ટેકનોલૉજીના તાણાવાણા ~ લે. સંજય ચૌધરી

ડેટા તથા સાયબર સુરક્ષા – 1

ડિજિટલ યુગમાં પ્રવેશી ચુકેલા આપણા સહુનું જીવન ડેટા વિના કલ્પી શકાય તેમ છે? આપણા દૈનિક જીવનમાં વહેલી સવારથી શરૂ કરીને આપણે ઊંઘીએ ત્યાં સુધી મોબાઈલ ફોન કે ટેલિવિઝન કે ચેનલ કે કૉમ્પ્યુટર કે ઇન્ટરનેટ પર કોઈ પણ એપ્લિકેશનનો ઉપયોગ કરતા હોઈએ છીએ અને તે દરમ્યાન આપણી સમક્ષ સતત ડેટા અથવા માહિતી આવતા રહે છે.

What is Data Observability and What Does It Mean for DevOps? | Simplilearn

ડેટા અને માહિતી વચ્ચેનો મૂળભૂત તફાવત સમજવાની જરૂર છે. મૂળ સ્વરૂપમાં રહેલી હકીકતો કે અવલોકનોને આપણે ડેટા કહીએ છીએ, દા. ત. 26, 3, 19, 38, નવરંગપુરા, 850 વગેરે. ડેટા સીધી રીતે ઉપયોગી નથી નીવડતા. તેની પર પ્રક્રિયા કરવી પડે છે અને તેના આધારે માહિતીનું નિર્માણ થાય છે.

Difference Between Data and Information Explained

ઉપર દર્શાવેલા ડેટા વિશે એમ કહેવામાં આવે કે તારીખ 26મી માર્ચ, 2022ના રોજ રાતે બે વાગ્યે પૂનાનું તાપમાન 19 ડિગ્રી હતું જ્યારે બપોરે બે વાગ્યે 38 ડિગ્રી હતું, નવરંગપુરા એ અમદાવાદમાં આવેલા વિસ્તારનું નામ છે, માણસા માર્કેટ યાર્ડમાં પાંચ મણ મગફળીની ખરીદીનો ભાવ 1300 રૂપિયા છે તો આ માહિતી લોકો માટે અર્થસભર બને છે. આને આધારે લોકો નિર્ણય લઈ શકે છે.

ડેટા, માહિતી, જ્ઞાન અને ડાહપણ (Data, Information and Wisdom)

માહિતીના આધારે નિર્ણય લઈ શકાય છે અને માહિતીનું નિર્માણ કરવા માટે ડેટાની જરૂર પડે છે. આમ, ડેટા એ ડિજિટલ પદ્ધતિઓ માટે કાચા માલ સમાન છે.

માહિતીનું સતત અર્થઘટન કરતા રહીને વ્યક્તિ જ્ઞાન (Knowledge) મેળવી શકે છે. દા. ત. ચીજવસ્તુઓનું ઉત્પાદન કરતી કંપનીના પરચેઝ મેનેજરને જરૂરી કાચા માલની ક્યારે કેટલા પ્રમાણમાં તથા ક્યાંથી ખરીદી કરવી તે અંગેનું જ્ઞાન હોવું જ જોઈએ. દેશના કોઈ પણ ખૂણે આવેલા ખેડૂતને આવનારી સિઝન માટે પોતાના ખેતરમાં કયા પાકનું ઉત્પાદન લેવું જોઈએ તે અંગેનું જ્ઞાન હોવું જોઈએ. જ્ઞાન અને ડાહપણ બંનેની વચ્ચે તફાવત છે.

What are the valuable differences between knowledge, wisdom, and insight? Beyond their basic definitions, what benefits do they hold? - Quora

પોતાના ખેતરમાં એરંડાનું વાવેતર કર્યું હોય અને તેને એકાદ-બે દિવસમાં જ સિંચાઈની તાતી જરૂર હોય, છતાં પણ ખેડૂત પોતાના ડાહપણને આધારે સ્થાનિક હવામાનને ધ્યાનમાં રાખીને સિંચાઈ ના કરે તે શક્ય છે. અહીં સ્થાનિક હવામાન તથા અન્ય પરિબળોના આધારે ખેડૂતને તેનું શાણપણ કે ડાહપણ (Wisdom) એ દર્શાવતું હોય કે ભલેને વરસાદની આગાહી નથી પણ બે-ચાર દિવસમાં જ આ વિસ્તારમાં વરસાદ થવાની શક્યતા છે. માટે ખેડૂત ખેતરમાં પાણી ના પણ વાળે નહીંતર પાકને જરૂર કરતા વધુ પાણી મળી જાય.

એક જ પ્રકારના તાવથી પીડાતા દર્દીઓને ડૉકટર માત્ર એક જ પ્રકારની દવા ના પણ આપે. કેમ કે ડૉકટર તેના દર્દીની શારીરિક સ્થિતિ તેમ જ ભૂતકાળમાં તે દર્દીને આપવામાં આવેલી તમામ તબીબી સારવારોથી વાકેફ હોય છે અને તે ડૉકટરનું ડાહપણ છે.

એ સ્પષ્ટ છે કે જ્ઞાન તૈયાર ઘણો સમય લાગે છે જ્યારે ડાહપણ એ તો જ્ઞાનનો પણ સારાંશ છે અને તે માટે વ્યક્તિની પોતાની બૌદ્ધિક કક્ષા, તેની નૈસર્ગિક શક્તિઓ તેમ જ તેની કોઠાસૂઝ પણ મહત્ત્વનાં પરિબળ છે.

આમ, સાદા સ્વરૂપે રહેલી હકીકતો કે અવલોકનોને ડેટા કહેવામાં આવે છે, જેના પર પ્રક્રિયા કરીને માહિતી તૈયાર કરવામાં આવે છે. માહિતીનો ઉપયોગ કરીને યોગ્ય નિર્ણય લઈ શકાય છે. માહિતી પર વિસ્તારથી વિશ્લેષણ કરીને સારરૂપે જ્ઞાન મેળવી શકાય છે.

અત્યારના સમયમાં મોટા ભાગની કંપનીઓ કે સંસ્થાઓ વધુ ને વધુ ડેટા મેળવવા માટેની આ કાતિલ હરીફાઈમાં જોડાઈ ગઈ છે, ભલે ને તેની પાસે ડેટાને સાચવવા માટે અથવા તો તેની પર જરૂરી પ્રક્રિયા કરવા માટે પૂરતાં સાધનો હોય કે ના હોય!

How Big Data is changing the business landscape

ડેટાના સંગ્રહ માટેની ગણતરી

રોજબરોજના વ્યવહારમાં એક કિલોગ્રામ બરાબર 1000 ગ્રામ (103 =10 x 10 x 10) ગણવામાં આવે છે. ડિજિટલ દુનિયા કૉમ્પ્યુટર આધારિત છે જેમાં ડેટાનો સંગ્રહ દ્વિઅંકી પદ્ધતિના આધારે થાય છે, જેમાં બે અંક – 0 તથા 1 હોય છે અને તેને બીટ કહેવામાં આવે છે. એક બાઈટમાં આઠ બીટ હોય છે. એક કિલોગ્રામ બાઈટ બરાબર 1024 = 210 બાઈટ થાય. ડેટા સંગ્રહની ક્ષમતાને દસઅંકી તથા દ્વિઅંકી પદ્ધતિમાં નીચે મુજબ ગણવામાં આવે છે.

માપ દસઅંકી દ્વિઅંકી
કિલોબાઈટ 1000 1024
મેગાબાઈટ 10002 10242
ગીગાબાઈટ 10003 10243
ટેરાબાઈટ 10004 10244
પેટાબાઈટ 10005 10245
એક્સાબાઈટ 10006 10246
ઝેટાબાઈટ 10007 10247
યૉટાબાઈટ 10008 10248

ડેટાનો વધતો જતો વ્યાપ તથા તેનું વધતું જતું મહત્ત્વ

ડિજિટલ ડેટામાં ઇન્ટેરનેટ આધારિત બૅન્કિંગ, રેલ્વે કે એર ટિકિટ બુકીંગથી માંડીને સિનેમાની ટિકિટ ખરીદવાને લગતા તમામ પ્રકારના આર્થિક વ્યવહારો, ઍમેઝોન પ્રાઇમ કે નૅટફ્લિક્સ જેવી ચેનલો પર જોવા મળતી ફિલ્મો, ઍરપોર્ટ કે કંપનીમાં દાખલ થતી સુરક્ષાકર્મીઓ દ્વારા ચકાસણી દરમ્યાન તૈયાર થતા ડેટા, સોશ્યિલ મિડીયા દ્વારા તૈયાર થતા તેમ જ એકમેકને મોકલવામાં આવતા સંદેશાથી શરૂ કરીને વીડિયો પ્રકારના ડેટા, ઇન્ટરનેટ આધારિત ડિજિટલ ફોન દ્વારા થતી વાતચીત કે સંદેશાની આપલે વગેરેનો સમાવેશ થાય છે.

The Future of Digital Data Storage Lies in DNA | by Ammielle WB | Bioeconomy.XYZ | Medium

વર્ષો અગાઉ IDC નામની કન્સલ્ટિંગ કંપનીએ જણાવ્યું હતું કે વર્ષ 2012થી 2020 સુધીમાં દર બે વર્ષે ડેટાનું કદ બેવડાતું જશે. એક અંદાજ મુજબ 2019ના મધ્યભાગ સુધીમાં દુનિયાની કુલ વસતિ 7.7 બિલીયન હતી અને તેમાંથી 4.5 બિલીયન લોકો ઇન્ટરનેટનો ઉપયોગ કરતા હતા તથા જુલાઈ 2022 સુધીમાં દુનિયાની કુલ વસતિના 59 ટકા લોકો એટલે કે 4.7 બિલીયન લોકો સોશ્યિલ મિડીયાનો ઉપયોગ કરતા થઈ ગયા છે.

2020 સુધીમાં દરેક વ્યક્તિદીઠ દરેક મિનિટે 1.7 MB જેટલા ડેટાનું નિર્માણ થવાનો અંદાજ હતો. બીજા શબ્દોમાં કહીએ તો ડેબીટ કે ક્રેડિટ કાર્ડના ઉપયોગ દ્વારા અથવા તો કૉમ્પ્યુટર કે મોબાઈલ ડિવાઈસની મદદથી ખરીદી, શોધ અથવા તો ચિત્ર – ઑડિયો – વિડીયો માટે કરવામાં આવતી ક્લીક દ્વારા દરરોજ એક ઝેટાબાઈટ જેટલા ડેટાનું નિર્માણ થયું હતું!

કૉવિડ 19ની મહામારી દરમ્યાન ડિજિટલ ટેકનોલૉજીનો ઉપયોગ સવિશેષ વધ્યો છે.

Best Sites To Watch TV Shows Online Free Streaming Full Episodes

… ખાસ કરીને ઑનલાઈન ફિલ્મો કે શૉ જોવા માટે અથવા સંગીત સાંભળવા, સોશ્યિલ મિડીયા, સંદેશાઓ મોકલવા માટે, મોબાઇલ એપ વગેરેનો ઉપયોગ કરવા માટે. ડિજિટલ દુનિયામાં એક ડોકિયું કરીએ તો વિવિધ અંદાજ મુજબ આપણને નીચે મુજબના પ્રવાહો જોવા મળે છે :

  • Domo કંપનીના અંદાજ મુજબ વર્ષ 2020માં દર મિનિટે ફેસબુક પર છ લાખ જેટલાં નવાં લખાણો તથા 1,47,000 ફોટા મૂકવામાં આવ્યા હતા, યુટ્યૂબ પર પાંચસો કલાકના નવા વિડીયો મૂકવામાં આવ્યા હતા, ટ્વીટરના યુઝર્સ પાંચ લાખ ટ્વીટ મોકલતા હતા, વીસ કરોડ ઇમેઇલ સંદેશાઓ મોકલવામાં આવ્યા હતા, ઇન્સ્ટાગ્રામ પર ત્રણ હજાર છસ્સો જેટલા ફોટા મૂકવામાં આવ્યા હતા છે તથા વોટ્સએપ પર 4.16 કરોડ સંદેશાઓ ફોરવર્ડ કરવામાં આવ્યા હતા.
  • ફૉરેસ્ટર રિસર્ચ કંપની દ્વારા વર્ષ 2012માં પ્રકાશિત પ્રચલિત લેખમાં જણાવવામાં આવ્યું છે કે કંપનીઓ ઉપલબ્ધ ડેટા પૈકી માત્ર 12 ટકા જેટલા જ ડેટાનો ઉપયોગ વિશ્લેષણ માટે કરે છે. તેની પાછળનાં મુખ્ય કારણો એ છે કે ડેટા વિશ્લેષણ તથા ડેટા માઇનીંગ માટે જરૂરી ટેકનોલૉજી તથા ટુલ્સનો અભાવ, ડેટા અલગ અલગ ક્ષેત્રો કે વાડાઓમાં વહેંચાયેલા છે અને એકબીજા સાથે સંકલન નથી ધરાવતા તેમ જ ડેટામાંથી ખરેખર શું ઉપયોગી છે અને કયા ડેટાને ધ્યાનમાં લેવાની જરૂર નથી તે પ્રકારની જાણકારી નથી હોતી.

ભારતમાં કૉમ્પ્યુટર વિનિયોગોનું વધતું જતું મહત્ત્વ

આપણા દેશમાં વિવિધ ક્ષેત્રોમાં વેબ આધારિત કે મોબાઇલ એપ આધારિત વિનિયોગોનો ઉપયોગ વધતો જાય છે તેની યાદી નીચે જણાવેલી છે :

Tips To Choose The Best Mobile Apps - Side Car

  1. ફિનટેક એટલે કે ફાયનાનસિયલ ટેકનોલૉજી: નવી ટેકનોલૉજીની મદદથી જે કંપનીઓ ફાયનાનસિયલ સર્વિસીસને વધુ ને વધુ કાર્યક્ષમ બનાવી રહી છે તે ક્ષેત્રને ફિનટેક કહેવામાં આવે છે. બૅન્કીંગ, વીમો, ટ્રાન્ઝેકશન તથા પેમેન્ટ, ટ્રેડીંગ તથા ઇનવેસ્ટમેન્ટ, ક્રાઉડફંડીગ વગેરે ક્ષેત્રોમાં ફિનટેકનો ઉપયોગ વધતો જશે.How FinTech Initiatives Are Driving Financial Services Innovation
  2. ઇન્ટરનૅટ ઑફ થિંગ્ઝ (IoT): IoTમાં એવી ડિવાઇસનો ઉપયોગ થાય છે જે પોતે ડેટા એકત્ર કરી શકે છે, તેની જરૂરી પ્રક્રિયા કરી શકે છે અને નિયંત્રણ કરી શકે છે. IoTનું ઉદાહરણ લઇએ તો કોઈ પણ ચાર રસ્તા પર વાહનોની ગતિવિધિને કેમેરા તથા સેન્સર્સની મદદથી નોંધી શકાય છે તથા નિયમોનું ભંગ કરનાર વાહનો અંગે માહિતી આપમેળે ભેગી પણ કરી શકાય છે. IoT આધારિત સ્માર્ટ લૉક, સ્માર્ટ પાર્કીંગ, ઘરમાં ઉપયોગમાં લેવાતા સ્માર્ટ એપ્લાયન્સીસ જેવા કે સ્માર્ટ ટીવી કે વૉશીંગ મશીન, વાહનો વચ્ચેનું કૉમ્યુનિકેશન જેવા એપ્લિકેશન તૈયાર કરી શકાય.IoT Day: Internet of Things and its impact on the day to day life - Visionify
  3. ઔદ્યોગિક ઉત્પાદન: ઑન ડિમાન્ડ મેન્યુફેકચરીંગ, સપ્યાલ ચેઇન મેનેજમેન્ટ, ઉત્પાદિત ચીજવસ્તુનું સર્ટીફિકેશન, મશીનોનું મેઇન્ટેન્સ, વગેરે
  4. રેકોર્ડ તથા રજીસ્ટ્રી: જન્મ, મૃત્યુ કે લગ્ન, જમીન કે મકાન જેવી મિલકત વગેરેની નોંધણી વગેરે
  5. હેલ્થકૅર: દર્દીની સારવાર અંગેની મૅડિકલ હિસ્ટ્રી, દર્દીઓની તબિયત અંગેના ઇલેકટ્રોનીક રેકોર્ડ, મૅડિકલ વીમા અંગેના ક્લેમ વગેરે.

બૅંક, વીમા, બસ – રેલવે કે એર ટિકિટ બુકીંગ, સ્ટોક એકસચેન્જ, ઉત્પાદન, વેચાણ, જમીન નોંધણી, યુનિવર્સિટી વગેરે વિશાળ પદ્ધતિઓનાં રેકોર્ડ્ઝ કૉમ્પ્યુટર તથા નેટવર્કમાં વિસ્તરણ પામેલા જાળાંની માકફ ગોઠવાયેલા હોય છે.

આ તમામ પદ્ધતિઓમાં વિવિધ જટિલ પ્રક્રિયાઓ હોય છે કે જેવી કે, એક સમૂહના લોકો માટે એકથી વધુ જગ્યાની મુસાફરી માટે એરટિકિટોનું એકસાથે બુકીંગ કરવું, પેટ્રોલ પમ્પ પર પેટ્રોલ, ડીઝલ કે ગેસના સતત થતા રહેતા વેચાણથી અન્ડરગ્રાઉન્ડ ટેંકમાંથી ઘટતા જતા જથ્થાને સેન્સરની મદદથી ધ્યાનમાં રાખી નિશ્ચિત કરેલી સપાટીથી તેનો જથ્થો ઘટી જાય તો ડેપો પરથી ટેન્કર મોકલી આપવા માટે સ્વયંભૂ ખરીદીનો ઑર્ડર મોકલી કરી દેવો, કોઈ પણ સેમેસ્ટરના વિવિધ વિષયોના તમામ વિદ્યાર્થીઓના માર્ક્સ દાખલ થઈ ગયા તો તરત જ ગણતરી કરી ગ્રેડશીટ કે માર્કશીટ તૈયાર કરી દેવી વગેરે.

આવી જટિલ પ્રક્રિયાઓને સ્વયંસંચાલિત કરવા માટે કૉમ્પ્યુટર પ્રોગ્રામિંગની મદદથી એપ્લીકેશનો તૈયાર કરવામાં આવેલી હોય છે, જે પ્રચુર માત્રામાં ડેટાનું નિર્માણ કરતી હોય છે.

Building a Data-Driven Future: Part 2 | Nexla

અત્યારે તમામ પદ્ધતિઓના ડેટા કે એપ્લીકેશનોનો કોઈ એક કેન્દ્રીય જગ્યાને બદલે અતિઆધુનિક રીતે અલગ અલગ સ્થાને સંગ્રહ કરવામાં આવેલો હોય છે. જો કે ક્યાં, શું, કેટલું, કેવી રીતે મૂકવામાં આવેલું છે તે દરેક પદ્ધતિમાં કેન્દ્રીય રીતે નક્કી કરવામાં આવેલું હોય છે, જેમ કે ગ્રંથાલયમાં પુસ્તક મેળવવા માટે સૂચિનો ઉપયોગ કરીએ છીએ. આ તમામ વિનિયોગો દર સેકંડે વિપુલ માત્રામાં ડેટાનું નિર્માણ કરી રહ્યા છે.

સંદર્ભ :

  1. Book on “Introduction to Data Mining” by Pang-Ning Tan, Michael Steinbach, Anuj Karpatne, Vipin Kumar, Pearson Education, 2019

E-mail: srchaudhary@gmail.com

*****

આપનો પ્રતિભાવ આપો..