Eticas se asoció con el Open Data Institute en el Reino Unido para desarrollar pautas prácticas para ayudar a las organizaciones a anonimizar los datos que planean publicar o compartir. Abajo comentamos por qué es importante anonimizar los datos y qué significa.
Los datos están en todas partes. En la era digital, las huellas de nuestros datos incluyen información sobre lo que hacemos, a dónde vamos, a quién conocemos, qué tenemos, qué nos gusta o cómo nos sentimos. Generamos esta información mientras trabajamos, caminamos, interactuamos, hablamos, protestamos o navegamos en Internet. Las actividades en las que participamos generan datos a su vez, y toda esta información es útil para configurar servicios, productos y ciudades, por ejemplo, y para promover la transparencia y la responsabilidad.
Hemos visto cómo los datos mejoran el cuidado, las rutas del transporte público, la vigilancia y la publicidad. Pero también cómo se roban o manipulan y cómo los procesos de datos infringen los derechos fundamentales y la privacidad.
Por lo tanto, darse cuenta del potencial de una mayor recopilación, intercambio y publicación de datos requiere comprender dónde y cómo pueden mejorar los resultados, pero también los riesgos involucrados en el proceso. Las implicaciones de compartir datos cambian dependiendo de quién está en el extremo receptor y cómo acceden a ellos.
Esto supone un desafío importante para el intercambio de datos y los datos abiertos en general. Elegir nunca compartir datos y mantenerlos solo en la esfera donde se recopilan (datos médicos en un entorno médico, para seguir el ejemplo anterior) es una opción que puede significar que perdemos la posibilidad de explorar los riesgos para la salud de manera más general; datos sobre el estado de salud de las personas en un área puesta a disposición de los servicios ambientales puede significar que identificamos la presencia desconocida de sustancias tóxicas.
O vincular los datos de búsqueda con los datos médicos puede revelar efectos secundarios indiscriminados. En diferentes dominios, la vinculación de datos sobre delitos con datos de servicios sociales también puede ayudar a identificar tendencias previamente desconocidas. Los datos sobre empleo también pueden ayudar a mejorar el transporte público al predecir mejor los flujos y la demanda. En entornos menos cruciales, el intercambio de datos puede ayudar a mejorar los servicios comerciales al acoplar la oferta y la demanda de manera más eficiente, o al generar demanda. La elaboración de perfiles y la focalización también significan que los mensajes se pueden adaptar a un público objetivo específico, algo que puede ser excelente en caso de emergencias (mensajes específicos para personas mayores o para aquellos que ya han sido rescatados, por ejemplo), pero problemático en política.
Uno de los enfoques para el intercambio responsable de datos implica el uso de técnicas de anonimización, "desinfectar" las bases de datos para eliminar los rasgos personales de los datos antes de que se compartan. La anonimización implica enmascarar o eliminar información que podría identificar directa o indirectamente a las personas de tal manera que la información en la base de datos no permita la reidentificación y no se pueda utilizar para obtener nueva información sobre estas personas que no sea la información que uno tiene a priori.
Mientras que eliminar datos personales de un conjunto de datos es un proceso sencillo, lo difícil es eliminar los datos personales y mantener la utilidad del conjunto de datos. Por lo tanto, todas las técnicas de anonimización se esfuerzan por encontrar un equilibrio óptimo entre proteger la privacidad y mejorar la seguridad, por un lado, y mantener la utilidad de la información de manera significativa.
En nuestro trabajo con ODI, hemos desarrollado una serie de documentos para ayudar a las organizaciones a anonimizar los datos:
Incluyendo departamentos académicos y organizaciones que, como Eticas, pueden ayudarte a anonimizar.
GUÍA DE LECTURA e introducción general a métodos de modelado de amenazas y técnicas de anonimización.
Una descripción general de los desafíos de anonimización para proyectos en SALUD, MOVILIDAD Y ESTADÍSTICAS, incluidos ejemplos de casos reales y el marco legal relevante.
Un proyecto en colaboración con Open Data Institute
A menos que se indique lo contrario, el contenido de este sitio está bajo una licencia de Creative Commons Reconocimiento 4.0 Internacional.
