¿Quieres recibir notificaciones de nuestro sitio web?

Google lanza su Biblioteca de Privacidad Diferencial en código abierto

Esa herramienta de seguridad permitirá a las empresas obtener información útil de los usuarios sin conocer datos sobre los mismos.
(Pixabay)

Los datos son el nuevo oro, la empresa que los tiene es la que manda. Esa es la nueva regla, sin embargo la obtención de datos de los usuarios conlleva ciertos riesgos de seguridad (y ética). Por ese motivo es que Google ha lanzado en código abierto su Biblioteca de Privacidad Diferencial, que es una herramienta que permite a las empresas obtener información útil de los usuarios sin conocer datos sobre los mismos.

La privacidad diferencial es una técnica matemática que agrega pequeñas cantidades de transformaciones aleatorias de datos (“ruido”), para anonimizar el análisis de datos. Esta técnica es usada por Google en sus productos para obtener información útil sin que necesariamente los usuarios revelen su nombre, edad, ubicación, etcétera.

La Biblioteca de Privacidad Diferencial está disponible desde hoy en código abierto para todo tipo de organización o desarrollador.

“Estamos entusiasmados por poner a la disposición de todos ésta biblioteca, y alentamos a los desarrolladores a usarla como parte de una estrategia más amplia de privacidad de datos. Deberían invertir en controles de usuario simples y potentes, y también pueden considerar otras tecnologías de código abierto, como TensorFlow Federated y Private Join and Compute, ambas construidas internamente en Google. Desde la industria médica, el gobierno, los negocios y más allá, esperamos que el código abierto de nuestra biblioteca de privacidad diferencial permita nuevas investigaciones sobre cómo preservar la privacidad en todas las industrias y produzca ideas que beneficien a todos”, dijo Google en un comunicado.

Google explicó que este lanzamiento de código abierto tiene las siguientes características:

  1. Variedad de funciones estadísticas, es decir, que admite la mayoría de las operaciones estándar usadas en la ciencia de datos, como recuentos, sumas, promedios, medianas y percentiles.
  2. Pruebas rigurosas a través de la ‘Librería de comprobación estocástica del modelo de privacidad diferencial de Google, una herramienta que ayuda a garantizar la precisión y evitar errores.
  3. Listo para usarse. Incluye una extensión PostgreSQL junto con recetas de implementación comunes para comenzar usarla de inmediato.
  4. Presupuesto de privacidad: la biblioteca también es expandible y está lista para la administración del presupuesto de privacidad, lo que significa que impone limitaciones matemáticas a los datos que los desarrolladores se arriesgan a exponer. En última instancia, la elección de un presupuesto de privacidad específico es una decisión de política que cada organización debe tomar a la luz de su modelo de riesgo.