DP-Auditorium:

Se presentación se enfatiza la importancia de auditar algoritmos que procesan datos sensibles, un área crítica en la actualidad dada la creciente preocupación por la privacidad de los usuarios. Su raya que la mera eliminación de información identificativa, como nombres y direcciones, no es suficiente para asegurar la privacidad, lo cual ha sido evidenciado por varios casos previos en los que se logró reidentificar a usuarios a partir de datos que inicialmente parecían anónimos, como el famoso caso de Netflix en 2008. Para abordar estas deficiencias en la protección de datos, introduce el concepto de privacidad diferencial, que se presenta como una definición más robusta en comparación con las técnicas de anonimización tradicionales. Esta definición busca minimizar la probabilidad de que cualquier intento de reidentificación tenga éxito al incorporar un mecanismo de ruido a los resultados de los algoritmos que procesan información privada. Con el fin de validar la efectividad de las garantías de privacidad ofrecidas por estos algoritmos, Mónica y su equipo desarrollaron la librería DPAuditorium. Esta herramienta permite auditar diversos mecanismos que implementan privacidad diferencial, proporcionando una metodología sistemática para evaluar si realmente cumplen con las promesas de protección de datos. A lo largo de su charla, también discute los numerosos desafíos que enfrenta la auditoría de mecanismos privados, que varían desde la complejidad técnica hasta las limitaciones en el acceso a datos de calidad. Asimismo, resalta la relevancia de esta auditoría en aplicaciones prácticas en áreas como la biología computacional, donde se manejan datos genómicos, y en servicios de localización, como Google Maps, donde la información sensible de los usuarios debe permanecer protegida. A través de este trabajo, Mónica contribuye a crear un marco más seguro y transparente para el manejo de datos sensibles en un entorno cada vez más interconectado y vulnerable a violaciones de privacidad.