La privacidad diferencial es una nueva técnica de procesamiento de datos utilizada para mantener la privacidad individual en grandes grupos de datos estadísticos. Lo que permite a las empresas de tecnología recopilar y compartir información sobre los usuarios, al mismo tiempo que mantiene su privacidad. 

Por lo tanto, esta técnica ofrece la posibilidad de respuestas fielmente anónimas agregando un “ruido matemático” que hace imposible determinar cuál fue la respuesta de una persona, incluso si es identificable.

Si bien, la matemática base de esto se desarrolló hace 10 años, el método fue adoptado últimamente por Apple y Google. De esta manera, se procura garantizar la privacidad de los usuarios. Como resultado, Google ha hecho que este proceso sea aún más transparente al abrir su biblioteca de privacidad diferencial a la comunidad de desarrollo de software.

¿Cuáles son sus aplicaciones prácticas?

Aplicar privacidad diferencial en las organizaciones es beneficioso pues, sirve como defensa contra los ataques conocidos como "Ataque de enlace". Sin profundizar en detalles técnicos de ciberseguridad, este tipo de ataque consiste en identificar a un individuo al vincular varios conjuntos de datos.

Por ejemplo:Base de datos del gobierno público que, de acuerdo con la ley de transparencia, debe mostrar el gasto público, incluido el salario, el nombre y el cargo.

La privacidad diferencial se puede aplicar a sistemas de recomendación, sobre todo a servicios basados ​​en la ubicación y redes sociales. Apple utiliza la privacidad diferencial para recopilar información anónima de dispositivos como iPhones, iPads y Macs.

Del mismo modo, permite a una empresa como Amazon acceder a sus preferencias de compra personalizadas, ocultando información confidencial como la lista de compras histórica. Por otro lado, Facebook podría recopilar datos de comportamiento para publicidad dirigida, sin violar las políticas de privacidad de cada país.

Este tipo de organizaciones necesitan datos de los usuarios para proporcionar servicios de alta calidad. Sin embargo, enfrentarían graves cargos si recopilan demasiados datos del usuario o si intentan transferirlos.

En este punto, las herramientas tradicionales de preservación de la privacidad, como el cifrado, no resuelven este conflicto.

Por lo tanto, emplear una privacidad diferenciada de esta manera podría proteger la privacidad de los usuarios y resolver el problema de intercambio de datos para las multinacionales de tecnología.