Nuevos algoritmos aumentan la privacidad de los datos sensibles

Cuando visita a un médico, se registra información como recetas de medicamentos, radiografías y pruebas genéticas para ayudar al médico. En estos casos, se utiliza una tecnología llamada aprendizaje federado o aprendizaje colaborativo para reducir el riesgo de exposición de datos confidenciales. Esta tecnología permite que varios dispositivos funcionen juntos sin compartir datos reales entre sí.

Saloni Kwatra, estudiante de doctorado en el Departamento de Ciencias de la Computación, ha identificado fallas en la tecnología de su disertación y desarrolló nuevos algoritmos para mejorar la seguridad del usuario.

«El aprendizaje federado se utiliza a menudo para proteger la privacidad del usuario. Sin embargo, durante las actualizaciones del sistema, todavía se puede filtrar información confidencial. Mi investigación ha llevado a algoritmos que pueden prevenir este tipo de filtraciones», afirma Saloni Kwatra.

Para conseguirlo ha utilizado dos técnicas: k-anonimato y privacidad diferencial. Con k-anonimato, los datos se organizan de modo que cada combinación de detalles de identificación (como altura, edad o color de ojos) sea compartida por varias personas. Esto dificulta distinguir o identificar a cualquier persona, ya que se agrupan con otras que tienen las mismas características.

La privacidad diferencial, por otro lado, garantiza que los resultados de un análisis no se vean afectados significativamente, ya sea que un individuo específico esté incluido o no en el conjunto de datos. De esta manera, se protege la privacidad individual incluso cuando los datos se utilizan para investigaciones o estudios.

Métodos para combatir los ataques de interferencia.

Saloni Kwatra también ha explorado cómo los datos sintéticos, que imitan patrones reales sin contener información personal real, pueden protegerse contra los llamados ataques de inferencia de atributos. En estos ataques, un adversario intenta reconstruir características específicas de un individuo. Estos nuevos algoritmos son particularmente relevantes para sectores donde la integridad de los datos es crucial, como la atención médica, las finanzas y las telecomunicaciones.

«En esas áreas, estos algoritmos pueden ayudar a mantener la privacidad del usuario y al mismo tiempo hacer que los sistemas sean más seguros y eficientes», afirma Saloni Kwatra.