Descripción
Una introducción sólida pero accesible a la idea, la historia y las aplicaciones clave de la privacidad diferencial, el estándar de oro en protección de la privacidad algorítmica.
La privacidad diferencial (PD) es un enfoque cada vez más popular, aunque controvertido, para proteger los datos personales. La PD protege los datos confidenciales mediante la introducción de números aleatorios cuidadosamente calibrados, llamados ruido estadístico, cuando se utilizan los datos. Google, Apple y Microsoft han integrado esta tecnología en su software, y la Oficina del Censo de EE. UU. utilizó la PD para proteger los datos recopilados en el censo de 2020. En este libro, Simson Garfinkel presenta las ideas subyacentes de la PD y ayuda a explicar por qué la PD es necesaria en el entorno actual rico en información, por qué se utilizó como mecanismo de protección de la privacidad para el censo de 2020 y por qué es tan controvertida en algunas comunidades. Cuando la PD se utiliza para proteger datos confidenciales, como un perfil publicitario basado en las páginas web que ha visitado con un navegador web, el ruido hace que sea imposible para alguien tomar ese perfil y aplicar ingeniería inversa, con certeza absoluta, a los datos confidenciales subyacentes sobre los que se calculó el perfil. El libro también relata la historia de la PD y describe a los participantes clave y sus limitaciones. Además, presenta una breve historia del censo de EE. UU. y otros enfoques para la protección de datos, como la desidentificación y la k-anonimidad.
Autor: Simson L. Garfinkel
Editorial: MIT Press
Publicado: 25/03/2025
Páginas: 244
Tipo de encuadernación: Tapa blanda
Peso: 0.45lbs
Tamaño: 6.90h x 5.00w x 0.80d
ISBN13: 9780262551656
ISBN10: 0262551659
Categorías BISAC:
- Informática | Seguridad | General
- Ciencias políticas | Privacidad y vigilancia (véase también Ciencias sociales | Privacidad y
- Tecnología e Ingeniería | Historia
La privacidad diferencial (PD) es un enfoque cada vez más popular, aunque controvertido, para proteger los datos personales. La PD protege los datos confidenciales mediante la introducción de números aleatorios cuidadosamente calibrados, llamados ruido estadístico, cuando se utilizan los datos. Google, Apple y Microsoft han integrado esta tecnología en su software, y la Oficina del Censo de EE. UU. utilizó la PD para proteger los datos recopilados en el censo de 2020. En este libro, Simson Garfinkel presenta las ideas subyacentes de la PD y ayuda a explicar por qué la PD es necesaria en el entorno actual rico en información, por qué se utilizó como mecanismo de protección de la privacidad para el censo de 2020 y por qué es tan controvertida en algunas comunidades. Cuando la PD se utiliza para proteger datos confidenciales, como un perfil publicitario basado en las páginas web que ha visitado con un navegador web, el ruido hace que sea imposible para alguien tomar ese perfil y aplicar ingeniería inversa, con certeza absoluta, a los datos confidenciales subyacentes sobre los que se calculó el perfil. El libro también relata la historia de la PD y describe a los participantes clave y sus limitaciones. Además, presenta una breve historia del censo de EE. UU. y otros enfoques para la protección de datos, como la desidentificación y la k-anonimidad.
Autor: Simson L. Garfinkel
Editorial: MIT Press
Publicado: 25/03/2025
Páginas: 244
Tipo de encuadernación: Tapa blanda
Peso: 0.45lbs
Tamaño: 6.90h x 5.00w x 0.80d
ISBN13: 9780262551656
ISBN10: 0262551659
Categorías BISAC:
- Informática | Seguridad | General
- Ciencias políticas | Privacidad y vigilancia (véase también Ciencias sociales | Privacidad y
- Tecnología e Ingeniería | Historia
Sobre el autor
Simson L. Garfinkel investiga y escribe en la intersección de la IA, la privacidad y la informática forense. Es miembro de la AAAS, la ACM y el IEEE.