Para resolver este inconveniente, ha surgido la denominada privacidad diferencial. Son aquellas técnicas que ofrecen una garantía matemática de que los datos recopilados por las empresas no se podrán llegar a vincular nunca con la identidad de la persona que los facilitó.
El Instituto de Ciencias Sociales Cuantitativas de la Universidad de Harvard en colaboración con Microsoft ha lanzado Open Differential Privacy, una plataforma Open Source destinada a ayudar en la implementación de técnicas de privacidad diferencial en proyectos tecnológicos. Está orientada a académicos, empresas, instituciones públicas y entidades sin ánimo de lucro.
El sistema que han diseñado para blindar la privacidad de los datos inserta datos aleatorios creados tomando como punto de partida los originales. De esta manera, consiguen complicar la trazabilidad de los datos en su justa medida, para que los datos sigan teniendo validez estadística.
Open Differential Privacy se compone de una serie de herramientas que permiten aplicar la privacidad diferencial a cualquier proyecto: una librería para desarrollos con lenguajes como C, C++, Python, R… Un conector que permite acceder a diversas fuentes de datos, como SQL Server, archivos CSV, Apache Spark… Y herramientas que se deben aplicar en cada consulta de datos para comprobar si se está poniendo en riesgo la privacidad de los usuarios.
Para ampliar la información o utilizar este Toolkit, visita la web oficial del proyecto.
Fuente: Genbeta.
0 comentarios