El repositorio de código abierto es único en el sentido de que la mayoría de las tareas se pueden ejecutar con una sola línea de código, según la empresa.
Imagen: nantonov, Getty Images / iStockphoto
La privacidad diferencial se ha convertido en una forma integral para que los científicos de datos aprendan de la mayoría de sus datos y, al mismo tiempo, se asegure de que esos resultados no permitan que los datos de ningún individuo sean distinguidos o reidentificados.
Para ayudar a más investigadores con su trabajo, IBM lanzó el código abierto Biblioteca de privacidad diferencial. La biblioteca “cuenta con un conjunto de herramientas para tareas de análisis de datos y aprendizaje automático, todas con garantías de privacidad integradas”, según Naoise Holohan, miembro del personal de investigación del equipo de privacidad y seguridad de IBM Research Europe.
“Nuestra biblioteca es única en comparación con otras al brindar a los científicos y desarrolladores acceso a herramientas livianas y fáciles de usar para el análisis de datos y el aprendizaje automático en un entorno familiar; de hecho, la mayoría de las tareas se pueden ejecutar con una sola línea de código”, Holohan escribió en una publicación de blog el viernes.
“Lo que también distingue a nuestra biblioteca es nuestra funcionalidad de aprendizaje automático que permite a las organizaciones publicar y compartir sus datos con rigurosas garantías de privacidad del usuario como nunca antes”.
VER: Lista de verificación de instalación o cambio de circuito de datos (TechRepublic Premium)
En una entrevista, Holohan explicó que la privacidad diferencial se ha vuelto tan popular que, por primera vez en sus 230 años de historia, el Censo de EE. UU. Utilizará la privacidad diferencial para mantener la confidencialidad de las respuestas de los ciudadanos cuando los datos estén disponibles.
Chris Sciacca, gerente de comunicaciones de IBM Research, agregó que el Censo de 2020 fue un buen ejemplo de cómo se puede usar la privacidad diferencial para cualquier conjunto de datos de gran tamaño en el que se pueda realizar un análisis estadístico.
“Los datos de atención médica serían otra área para la que sería interesante. Cualquier conjunto de datos grande en el que desee mantener los datos en el anonimato pero no desee agregar tanto ruido que sea inútil. Así que aquí solo está agregando un poco de ruido donde aún se pueden obtener anomalías estadísticas para observar tendencias en grandes conjuntos de datos “, dijo Sciacca.
La privacidad diferencial permite a los recolectores de datos usar ruido matemático para anonimizar la información, y la biblioteca de IBM es especial porque su funcionalidad de aprendizaje automático permite a las organizaciones publicar y compartir sus datos con rigurosas garantías de privacidad del usuario.
“Originalmente, cuando comenzamos a mirar el espacio del software de código abierto y la privacidad diferencial, notamos que había una gran brecha en el mercado en términos de poder hacer aprendizaje automático con privacidad diferencial fácilmente. Hay mucho trabajo hecho en la literatura que todos los algoritmos han sido estudiados y hechos diferencialmente privados y se han presentado soluciones pero no había un único repositorio o una única biblioteca para hacer aprendizaje automático con privacidad diferencial “, dijo.
“Decidimos construir esta biblioteca que, usando paquetes existentes en Python, le permite construir sobre ellos, y luego puede hacer aprendizaje automático con garantías diferenciales de privacidad integradas. Muchos de los comandos que puede ejecutar en una sola línea de código, por lo que es muy fácil de usar. Es fácil de usar y se puede integrar fácilmente en los scripts que la gente tiene, por lo que no se requiere mucho esfuerzo adicional “.
El año pasado, Google lanzó su biblioteca de privacidad diferencial de código abierto y los ejecutivos hablaron sobre cómo la usan para una variedad de sus servicios. Si alguna vez ha mirado Google Maps y ha visto ese divertido gráfico de los momentos en los que una empresa estará más ocupada, puede agradecer la privacidad diferencial por ello.
La privacidad diferencial permite a Google rastrear de forma anónima los datos sobre cuándo la mayoría de las personas comen en un determinado restaurante o compran en una tienda popular y, en 2014, lo usaron para mejorar su navegador Chrome y Google Fi.
Empresas como Apple y Uber utilizan versiones de privacidad diferencial para optimizar sus servicios al tiempo que protegen los datos de los usuarios.
Holohan dijo que el repositorio de IBM ya se está utilizando ampliamente para la experimentación y para ver qué efecto tiene la privacidad diferencial en los algoritmos de aprendizaje automático. Las instituciones académicas y los blogueros están utilizando el software para mostrar cómo funciona la privacidad diferencial y agregó que la biblioteca se está utilizando internamente en IBM para observar el impacto de la privacidad diferencial en varias aplicaciones.
“Tiene aplicabilidad básicamente para cualquier aplicación de datos, por lo que brinda una muy buena oportunidad para hacer mucho trabajo en muchas áreas diferentes. Nos hemos centrado en el aprendizaje automático porque la aplicación de protocolos que preservan la privacidad al aprendizaje automático encaja muy bien y el aprendizaje automático es muy frecuente en cualquier uso de datos “, dijo.
“El siguiente paso será permitir que los científicos y analistas de datos puedan hacer muchos análisis estadísticos fácilmente con privacidad diferencial y nuestra biblioteca es el primero o algunos de los pasos en ese camino”.
Boletín de datos, análisis e inteligencia artificial
Conozca las últimas noticias y las mejores prácticas sobre ciencia de datos, análisis de big data e inteligencia artificial. Entregado los lunes
Nos vemos pronto!