Privacidad diferencial I: Introducción

 La reciente revolución del aprendizaje automático ha sido impulsada por los datos, y estos datos a menudo provienen de los propios usuarios finales. Piense en un fabricante de teléfonos inteligentes que intenta que la escritura sea más rápida y precisa, una tienda que intenta ayudar a sus clientes a encontrar los productos que desean o un médico que intenta interpretar un examen médico. El aprendizaje automático puede ayudar, pero solo cuando se alimenta con datos sobre cómo escriben las personas, qué compran y qué tipo de pruebas médicas y resultados reciben los pacientes. En consecuencia, las organizaciones recopilan cada vez más datos sobre sus usuarios para construir estos sistemas.

Esto genera preocupaciones sobre la privacidad de esos datos. Los correos electrónicos, los mensajes de texto y los registros médicos contienen información confidencial y los propietarios esperan legítimamente que se proteja firmemente su privacidad. Al mismo tiempo, los beneficios potenciales de (por ejemplo) un mejor diagnóstico médico son innegables. Esto nos deja con un desafío: ¿cómo realizamos el aprendizaje automático en los datos para permitir avances técnicos sin crear riesgos excesivos para la privacidad de los usuarios?

https://www.borealisai.com/en/blog/tutorial-12-differential-privacy-i-introduction/