La Ciencia de la Complejidad y el seguimiento de contactos

Suponga que me estoy reuniendo en secreto con un posible nuevo empleador, tengo una cita con mi proveedor de salud mental o tal vez tengo una aventura que no quiero que mi cónyuge conozca. En estas circunstancias, si uno de mis contactos se infecta, nos gustaría un cálculo que pueda identificar a cada persona cuyos datos de ubicación se crucen con los del contacto infectado, y no necesitamos saber quién es la persona infectada o qué lugares expuestos yo o mis otros contactos. Este problema se conoce como intersección de conjuntos, y Ni Trieu y muchos otros han desarrollado algoritmos de intersección de conjuntos privados que utilizan métodos criptográficamente seguros para calcular las intersecciones de conjuntos sin revelar los miembros de diferentes conjuntos entre sí. A pesar de la urgencia de la situación actual, esto es el momento de insistir en garantías sólidas (tanto en la recopilación y el uso de datos) como en métodos seguros para computar y alertar a los contactos.

https://www.santafe.edu/news-center/news/transmission-t-017-stephanie-forrest-privacy-concerns-arise-pandemic

Adaptado por Aniceto Pérez y Madrid, Filósofo de las Tecnologías y Editor de Actualidad Deep Learning (@forodeeplearn)