Privacidad diferencial
Dejar de nombres y direcciones no basta: con datos auxiliares una persona puede volver a identificarse. La privacidad diferencial añade ruido calibrado al resultado de una consulta y ofrece una garantía formal: la distribución de la salida cambia apenas por la presencia o ausencia de un solo individuo.
Por qué anonimizar no basta
- Reidentificación: combina datos "anónimos" con fuentes externas y vuelve a nombrar.
- Conocimiento auxiliar: el atacante sabe que una persona está en el conjunto.
- k-anonimidad y similares son frágiles ante atributos raros.
La idea: ruido calibrado a la sensibilidad
Cada consulta tiene una sensibilidad: cuánto puede cambiar su resultado si un individuo entra o sale. Al resultado se le suma ruido proporcional a esa sensibilidad. Así, nadie puede distinguir con seguridad si una persona concreta contribuyó a la estadística publicada.
El presupuesto de privacidad
La protección se cuantifica con epsilon: un valor menor implica más ruido y más privacidad; uno mayor, más precisión y menos privacidad. Como cada consulta consume una parte, se administra un presupuesto: responder más preguntas gasta la privacidad disponible.
Composición
Cuando se hacen muchas consultas sobre los mismos datos, el gasto de privacidad se acumula. Sin control de composición, repetir preguntas permite reconstruir información con precisión, rompiendo la garantía que cada consulta individual ofrecía.
Mecanismos habituales
- Laplace: para consultas numéricas de sensibilidad conocida (conteos, promedios).
- Exponencial: para elegir un resultado entre candidatos por calidad.
- Gaussiano: variante usada en análisis profundo y liberación continua.
| Concepto | Qué controla |
|---|---|
| Sensibilidad | cuánto cambia la salida por un individuo |
| Epsilon | cuánta privacidad se gasta por consulta |
| Ruido | protege la presencia de cada fila |
| Composición | cómo se acumula el gasto entre consultas |
Errores frecuentes
- Sumar ruido sin calcular bien la sensibilidad.
- Ignorar la composición y gastar epsilon sin llevar la cuenta.
- Rechazarla por "imprecisa" sin ver que el ruido es acotado y medible.
Ejemplo resuelto: conteos de una consulta
- Definir la consulta (un conteo) y su sensibilidad, que aquí vale uno.
- Fijar epsilon y calcular el ruido de Laplace correspondiente.
- Sumar ese ruido al conteo antes de publicarlo.
- Registrar el gasto en el presupuesto de privacidad acumulado.
¿Para qué sirve en la realidad?
Agencias de estadística y empresas publican agregados con privacidad diferencial para compartir datos útiles sin exponer a nadie. Es el estándar más riguroso que tenemos cuando "quitar nombres" no es suficiente.
¿Qué garantiza formalmente la privacidad diferencial?
Quitar nombres y direcciones es suficiente para impedir la reidentificación.
El parámetro que fija cuánta privacidad se gasta por consulta, donde menor valor significa más ruido, se llama .
Clasifica cada elemento según su rol en la privacidad diferencial.
Defensa
Ataque
Une cada término con su definición.
Privacidad diferencial
Privacidad diferencial
# Privacidad diferencial ## Problema ### anonimizar no basta ### reidentificacion ## Garantia ### ruido por sensibilidad ### epsilon ### presupuesto y composicion ## Mecanismos ### Laplace ### exponencial
Privacidad diferencial (Wikipedia)
Panorama introductorio de la definición formal y sus mecanismos.
OpenDP (documentación oficial)
Implementación de referencia de algoritmos de privacidad diferencial con garantías.
El estadístico de una salud pública quiere publicar conteos por región pequeña. ¿Por qué quitar nombres no protege a los individuos y cómo fijarías epsilon y presupuesto para que repetir consultas no reidentifique?