{"id":922,"date":"2022-06-17T10:47:33","date_gmt":"2022-06-17T10:47:33","guid":{"rendered":"https:\/\/egidacybersecurity.com\/?p=922"},"modified":"2022-06-17T11:29:03","modified_gmt":"2022-06-17T11:29:03","slug":"privacidad-diferencial-una-introduccion-ludica","status":"publish","type":"post","link":"https:\/\/egidacybersecurity.com\/en\/privacidad-diferencial-una-introduccion-ludica\/","title":{"rendered":"Privacidad Diferencial, una introducci\u00f3n l\u00fadica"},"content":{"rendered":"\n<p>A medida que los datos electr\u00f3nicos sobre las personas se vuelven cada vez m\u00e1s detallados y la tecnolog\u00eda permite una recopilaci\u00f3n y conservaci\u00f3n de estos datos, aumenta la necesidad de una definici\u00f3n de <strong>privacidad<\/strong> robusta, significativa y matem\u00e1ticamente rigurosa, junto con una clase de algoritmos computacionalmente ricos que satisfagan este requisito. El problema del an\u00e1lisis de datos para preservar la privacidad tiene una larga historia que abarca m\u00faltiples disciplinas. En particular,&nbsp; <strong>\u00bfc\u00f3mo publicar datos sobre personas protegiendo su privacidad?<\/strong> Esta pregunta est\u00e1 lejos de ser nueva. Desde la inform\u00e1tica se han propuesto muchas ideas creativas intentado responder a esta pregunta durante d\u00e9cadas. Sin embargo, ninguna de ellas fue del todo satisfactoria: se demostr\u00f3 que todas estas ideas se romp\u00edan en algunas circunstancias o bien eran dif\u00edciles de aplicar sin hacer nula la utilidad de los datos. Esto cambi\u00f3 desde el&nbsp; 2006, cuando cuatro investigadores introdujeron el concepto de <strong>privacidad diferencial<\/strong>. Esta nueva noci\u00f3n adopt\u00f3 un enfoque novedoso, riguroso y fruct\u00edfero para definir la <em>fuga de privacidad<\/em>. Entonces, \u00bfqu\u00e9 hace que la privacidad diferencial sea especial? \u00bfC\u00f3mo tuvo tanto \u00e9xito en los c\u00edrculos acad\u00e9micos? \u00bfPor qu\u00e9 los gobiernos y las empresas tecnol\u00f3gicas comenzaron a adoptarla para sus publicaciones de datos?<\/p>\n\n\n\n<h3><strong><span class=\"has-inline-color has-vivid-cyan-blue-color\">La idea central detr\u00e1s de la privacidad diferencial<\/span><\/strong><\/h3>\n\n\n\n<p>Suponga que tiene un proceso o mecanismo que toma alg\u00fan conjunto de datos <strong><em>D<\/em><\/strong> como <em>entrada<\/em> y devuelve alguna <em>salida<\/em>. Este proceso puede ser cualquier cosa, como:<\/p>\n\n\n\n<ul><li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Descriptive_statistics\"><strong>estad\u00edstico<\/strong><\/a> \u00bfcu\u00e1ntos usuarios tienen el pelo rojo?<\/li><li><a href=\"https:\/\/en.wikipedia.org\/wiki\/De-identification\"><strong>de-identificaci\u00f3n<\/strong><\/a> eliminar nombres y los \u00faltimos tres d\u00edgitos de los c\u00f3digos postales<\/li><li><a href=\"https:\/\/en.wikipedia.org\/wiki\/Training,_validation,_and_test_data_sets#training_set\"><strong>entrenamiento<\/strong><\/a> de un modelo de ML para predecir a qu\u00e9 usuarios les gustan los gatos<\/li><\/ul>\n\n\n\n<p>Abordaremos la idea central, usando como excusa un juego en el que se pretende adivinar la identidad basado en una serie de preguntas.&nbsp;&nbsp;<\/p>\n\n\n\n<div class=\"is-layout-flow wp-block-group\"><div class=\"wp-block-group__inner-container\">\n<figure class=\"wp-block-table is-style-stripes\"><table class=\"has-subtle-pale-pink-background-color has-background\"><tbody><tr><td class=\"has-text-align-left\" data-align=\"left\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/lh4.googleusercontent.com\/GgkWNrr0fcHnOv54h8G206IanD53xoqicE7U9IGz131W9z_eFrtaQuJNv94ChgbZ2qVokp52uVAMvs7tW4JhevR00yDi9OEW1fFyqezJrF_hCyWEAGVOJbrhdYUzR1bvHOEI3qIyINfKwgeZoA\" width=\"393\" height=\"252\"><\/td><\/tr><tr><td class=\"has-text-align-left\" data-align=\"left\"><span class=\"has-inline-color has-black-color\">Caricatura del conjunto de datos <strong><em>D <\/em><\/strong>del juego propuesto, donde cada personaje tiene una serie de atributos definidos.<\/span><\/td><\/tr><\/tbody><\/table><\/figure>\n<\/div><\/div>\n\n\n\n<p>Para hacer que un proceso, o mecanismo, sea <strong>diferencialmente privado<\/strong>, generalmente debe incluir algo de aleatoriedad, o ruido, en ciertas partes. Sea <em>M<\/em><strong><em> <\/em><\/strong><em>ese <\/em>mecanismo. Se elimina a alg\u00fan miembro del conjunto de datos para obtener un nuevo conjunto <strong><em>D<\/em><\/strong><strong>&#8216;<\/strong><em>. <\/em>Ejecutamos <em>M<\/em> en ambos conjuntos <strong><em>D <\/em><\/strong>y <strong><em>D<\/em><\/strong><strong>&#8216;<\/strong>. Si el proceso es diferencialmente privado, entonces aplicarlo sobre <strong><em>D <\/em><\/strong>y <strong><em>D<\/em><\/strong><strong>&#8216; <\/strong>dar\u00e1 lugar a dos <em>salidas<\/em> que ser\u00e1n esencialmente las mismas y esto debe ser cierto sin importar qu\u00e9 miembro de <strong><em>D <\/em><\/strong>se haya eliminado para construir <strong><em>D<\/em><\/strong><strong>&#8216; <\/strong>y qu\u00e9 conjunto de datos <strong><em>D<\/em><\/strong> se ten\u00eda en primer lugar. Por \u00abesencialmente lo mismo\u00bb, no nos referimos a que \u00abse parecen\u00bb; pues teniendo en cuenta que puede haberse agregado algo de aleatoriedad durante el procesos, no siempre obtiene el mismo resultado si ejecuta <em>M<\/em> varias veces. \u00bfQu\u00e9 significa \u00abesencialmente lo mismo\u00bb en este contexto? Significa que puede obtener <em>exactamente<\/em> <em>el mismo<\/em> resultado en ambos conjuntos de datos con una<strong> probabilidad similar<\/strong>.<\/p>\n\n\n\n<p>\u00bfQu\u00e9 tiene que ver esto con la privacidad? Bueno, supongamos que una persona de dudosa moral intenta averiguar si su persona <em>objetivo<\/em> se encuentra en los datos originales. Al mirar la salida, no se puede estar 100% seguro de nada. Claro, podr\u00eda haber venido de un conjunto de datos con su objetivo en ella. Pero tambi\u00e9n podr\u00eda haber venido exactamente del mismo conjunto de datos, sin su objetivo. Ambas opciones tienen una probabilidad similar, por lo que no hay mucho que puedas decir.<\/p>\n\n\n\n<p>Esta definici\u00f3n no dice nada sobre c\u00f3mo se ven los datos de salida, la <strong>privacidad diferencial<\/strong> no es una propiedad de la salida <em>per se<\/em>, sino del proceso que trata al conjunto de datos original para producir dicha salida. Debe saber c\u00f3mo es el proceso que trata los datos para determinar si son diferencialmente privados.<\/p>\n\n\n\n<h3><strong><span class=\"has-inline-color has-vivid-cyan-blue-color\">Encuestas comprometedoras<\/span><\/strong><\/h3>\n\n\n\n<p>Si bien entendemos que lo comprometedor est\u00e1 en la respuesta que damos a este tipo de preguntas, intuitivamente tendemos a asociar preguntas comprometedoras con respuestas comprometedoras. El siguiente ejemplo muestra c\u00f3mo poder evadir esta asociaci\u00f3n, utilizando privacidad diferencial.<\/p>\n\n\n\n<p>Supongamos que queremos <em>estimar<\/em> <em>cu\u00e1ntas personas consumen sus propios mocos<\/em>. Notemos que si esta pregunta se realiza, llana e ingenuamente,&nbsp; asociando la identidad del encuestado con su respuesta, los resultados no ser\u00e1n fiables. Se propone entonces el siguiente mecanismo para realizar la estimaci\u00f3n: los participantes ya no responden directamente a la pregunta, en su lugar, cada uno de ellos lanzar\u00e1 una moneda, sin revelar el resultado al encuestador. El participante realiza los siguientes pasos seg\u00fan obtenga<\/p>\n\n\n\n<figure class=\"wp-block-table is-style-regular\"><table class=\"has-subtle-pale-pink-background-color has-background\"><tbody><tr><td class=\"has-text-align-left\" data-align=\"left\"><strong>cara<\/strong>:<strong> <\/strong>contesta la verdad ( <strong><em>s\u00ed<\/em><\/strong> &#8211; <strong><em>no<\/em><\/strong> )<br><strong>cruz<\/strong>: lanzar una <em>segunda<\/em> moneda y seg\u00fan obtenga <strong>cara<\/strong>: contestar <strong><em>s\u00ed<\/em><\/strong> o <strong>cruz<\/strong>: contestar <strong><em>no<\/em><\/strong><\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<p>El proceso queda ramificado debido al resultado de alguna de las monedas lanzadas. \u00bfC\u00f3mo es que esto conserva la privacidad de las respuestas? Notar que no hay compromiso en las respuestas ya que cuando alguien responde <strong><em>s\u00ed<\/em><\/strong>, no se tiene certeza de qu\u00e9 rama proviene dicha respuesta. En este sentido el mecanismo o proceso empleado permite <em>aleatorizar la encuesta<\/em> resguardando la privacidad. A pesar de pretender esconder los resultados la teor\u00eda de probabilidades permite extraer una buena estimaci\u00f3n del n\u00famero de personas deseadas a partir de este mecanismo aleatorio <em>M<\/em>.&nbsp;<\/p>\n\n\n\n<h3><strong><span class=\"has-inline-color has-vivid-cyan-blue-color\">\u00bfQu\u00e9 hace que la privacidad diferencial sea especial?<\/span><\/strong><\/h3>\n\n\n\n<p>Este concepto propuesto por primera vez por Cynthia Dwork, Frank McSherry, Kobbi Nissim y Adam Smith en 2006. Muy pronto, casi todos los investigadores que trabajaban en la anonimizaci\u00f3n comenzaron a construir algoritmos <strong>diferencialmente privados<\/strong>. Las empresas tecnol\u00f3gicas y los gobiernos lo est\u00e1n adoptando con rapidez, debido a tres razones principales.<\/p>\n\n\n\n<ol><li><strong>No es necesario el modelado de ataque<\/strong><\/li><\/ol>\n\n\n\n<p>Las definiciones previas de privacidad requer\u00edan hacer algunas suposiciones sobre las capacidades y objetivos del atacante \u00bfCu\u00e1nto conocimiento previo tiene? \u00bfQu\u00e9 datos auxiliares pueden usar? \u00bfQu\u00e9 tipo de informaci\u00f3n quieren aprender? Responder a estas preguntas es muy complicado: en particular, es posible que no sepa exactamente lo que el atacante sea capaz de hacer. Peor a\u00fan, puede haber inc\u00f3gnitas desconocidas: vectores de ataque que no anticip\u00f3 en absoluto, se ten\u00edan que hacer algunas suposiciones, de las que no se pod\u00eda estar 100% seguro. Por el contrario, cuando utiliza la privacidad diferencial, obtiene <strong>dos garant\u00edas<\/strong> extraordinarias.&nbsp;<\/p>\n\n\n\n<ul><li><em>Protege cualquier tipo de informaci\u00f3n sobre un individuo<\/em>. Si el atacante quiere <strong>re-identificar<\/strong> su objetivo, i.e. saber si est\u00e1n en el conjunto de datos o deducir alg\u00fan atributo sensible. Todas esas cosas est\u00e1n protegidas por definici\u00f3n.&nbsp;<\/li><li><em>Funciona independientemente de lo que el atacante sepa sobre los datos<\/em>. Es posible que ya conozcan a algunas personas en el conjunto de datos. Incluso podr\u00edan agregar algunos usuarios falsos a su sistema. Con privacidad diferencial, no importa. Los usuarios que el atacante no conoce a\u00fan est\u00e1n protegidos.<\/li><\/ul>\n\n\n\n<p><strong>2. Permite cuantificar la p\u00e9rdida de privacidad<\/strong><\/p>\n\n\n\n<p>La privacidad diferencial, como las nociones anteriores, viene con un par\u00e1metro num\u00e9rico que se puede modificar. Sin embargo, hay una gran diferencia en el significado de ese par\u00e1metro. Por ejemplo en <a href=\"https:\/\/en.wikipedia.org\/wiki\/K-anonymity\"><strong><em>k-anonimidad<\/em><\/strong><\/a><em>, <\/em>&nbsp;\u00bfqu\u00e9 nos dice ese valor <strong><em>k<\/em><\/strong><em>&nbsp; <\/em>acerca del nivel de protecci\u00f3n? La respuesta es \u00abmuy poca\u00bb. No existe un v\u00ednculo claro entre el valor de <strong><em>k<\/em><\/strong><em> <\/em>y qu\u00e9 tan privado es el conjunto de datos. El problema es a\u00fan peor con otras definiciones de la vieja escuela. La privacidad diferencial puede cuantificar la informaci\u00f3n que podr\u00eda ganar el atacante.<\/p>\n\n\n\n<ol start=\"3\"><li><strong>Pueden componerse m\u00faltiples procesos&nbsp;<\/strong><\/li><\/ol>\n\n\n\n<p>Supongamos que tenemos algunos datos y quieres compartirlos con <strong>A<\/strong><em>urelio<\/em> y <strong>B<\/strong><em>erta<\/em>, de forma an\u00f3nima. Confiamos en <strong>A<\/strong> y <strong>B<\/strong> por igual, por lo que usas la misma definici\u00f3n de privacidad para ambos. No est\u00e1n interesados \u200b\u200ben los mismos aspectos de los datos, por lo que se les proporcionan dos versiones diferentes a partir de los datos originales. Ambas versiones son &#8220;an\u00f3nimas&#8221;, seg\u00fan la definici\u00f3n que haya elegido. \u00bfQu\u00e9 sucede si <strong>A<\/strong> y <strong>B<\/strong> deciden conspirar y comparan los datos que les diste? \u00bfSeguir\u00e1 siendo an\u00f3nima la <em>uni\u00f3n<\/em> de las dos versiones anonimizadas? Resulta que para la mayor\u00eda de las definiciones de privacidad, este no es el caso. Si colocamos dos versiones <em>k<\/em>-an\u00f3nimas de los mismos datos juntos, en general el resultado no ser\u00e1 <em>k<\/em>-an\u00f3nimo. En tal caso, si <strong>A<\/strong> y <strong>B<\/strong> colaboran, podr\u00edan volver a identificar a los usuarios por su cuenta o incluso reconstruir todos los datos originales,&nbsp; lo cual no es una buena noticia respecto de la conservaci\u00f3n de la privacidad. Esto puede evitarse con <em>privacidad diferencial<\/em>, ya que existe una suerte de <em>regla de composici\u00f3n de los procesos<\/em>: intuitivamente diremos que si el proceso que di\u00f3 lugar a los datos para <strong>&nbsp;A<\/strong> y <strong>B<\/strong> son cada uno diferencialmente privados, entonces la <em>uni\u00f3n<\/em> tambi\u00e9n lo ser\u00e1. La composici\u00f3n es muy \u00fatil en la pr\u00e1ctica, pues las organizaciones a menudo quieren hacer muchas cosas con los datos: publicar estad\u00edsticas, publicar una versi\u00f3n an\u00f3nima, entrenar algoritmos de aprendizaje autom\u00e1tico. La composici\u00f3n es una forma de mantener el control del nivel de riesgo a medida que aparecen nuevos casos de uso y evolucionan tales procesos.<\/p>\n\n\n\n<h3><span class=\"has-inline-color has-vivid-cyan-blue-color\"><strong>Reflexi\u00f3n final<\/strong><\/span><\/h3>\n\n\n\n<p><span class=\"has-inline-color has-black-color\">El problema de identificar personas detr\u00e1s de sus datos est\u00e1 regulado por, al menos dos, fuerzas antag\u00f3nicas. Por un lado, ganaremos protecci\u00f3n si conformamos con el resto de personas del conjunto una suerte de <em>hombre-masa<\/em> com\u00fan que no tiene partes identificables. Por el otro, la realidad es que anhelamos ser diferentes y destacar entre la multitud.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>A medida que los datos electr\u00f3nicos sobre las personas se vuelven cada vez m\u00e1s detallados y la tecnolog\u00eda permite una recopilaci\u00f3n y conservaci\u00f3n de estos datos, aumenta la necesidad de&hellip;<\/p>\n","protected":false},"author":6,"featured_media":926,"comment_status":"open","ping_status":"open","sticky":true,"template":"","format":"standard","meta":{"inline_featured_image":false},"categories":[13,14,5],"tags":[55,56],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v19.10 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Privacidad Diferencial, una introducci\u00f3n l\u00fadica - Egida<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/egidacybersecurity.com\/en\/privacidad-diferencial-una-introduccion-ludica\/\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Privacidad Diferencial, una introducci\u00f3n l\u00fadica - Egida\" \/>\n<meta property=\"og:description\" content=\"A medida que los datos electr\u00f3nicos sobre las personas se vuelven cada vez m\u00e1s detallados y la tecnolog\u00eda permite una recopilaci\u00f3n y conservaci\u00f3n de estos datos, aumenta la necesidad de&hellip;\" \/>\n<meta property=\"og:url\" content=\"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/\" \/>\n<meta property=\"og:site_name\" content=\"Egida\" \/>\n<meta property=\"article:published_time\" content=\"2022-06-17T10:47:33+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-06-17T11:29:03+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/egidacybersecurity.com\/wp-content\/uploads\/2022\/06\/DifferentialPrivacy.jun_.2022-scaled.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"2560\" \/>\n\t<meta property=\"og:image:height\" content=\"1440\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"mleon\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"mleon\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/\"},\"author\":{\"name\":\"mleon\",\"@id\":\"https:\/\/egidacybersecurity.com\/#\/schema\/person\/8c6051dcb736e5cd0cd81a7ef0515917\"},\"headline\":\"Privacidad Diferencial, una introducci\u00f3n l\u00fadica\",\"datePublished\":\"2022-06-17T10:47:33+00:00\",\"dateModified\":\"2022-06-17T11:29:03+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/\"},\"wordCount\":1630,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/egidacybersecurity.com\/#organization\"},\"keywords\":[\"Privacidad de datos\",\"Privacidad diferencial\"],\"articleSection\":[\"Actualidad\",\"Publicaciones\"],\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/\",\"url\":\"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/\",\"name\":\"Privacidad Diferencial, una introducci\u00f3n l\u00fadica - Egida\",\"isPartOf\":{\"@id\":\"https:\/\/egidacybersecurity.com\/#website\"},\"datePublished\":\"2022-06-17T10:47:33+00:00\",\"dateModified\":\"2022-06-17T11:29:03+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/#breadcrumb\"},\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Portada\",\"item\":\"https:\/\/egidacybersecurity.com\/en\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Privacidad Diferencial, una introducci\u00f3n l\u00fadica\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/egidacybersecurity.com\/#website\",\"url\":\"https:\/\/egidacybersecurity.com\/\",\"name\":\"Egida\",\"description\":\"Red nacional de tecnolog\u00edas de seguridad y privacidad\",\"publisher\":{\"@id\":\"https:\/\/egidacybersecurity.com\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/egidacybersecurity.com\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"en-US\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/egidacybersecurity.com\/#organization\",\"name\":\"Egida\",\"url\":\"https:\/\/egidacybersecurity.com\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/egidacybersecurity.com\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/egidacybersecurity.com\/wp-content\/uploads\/2020\/09\/logo-color.png\",\"contentUrl\":\"https:\/\/egidacybersecurity.com\/wp-content\/uploads\/2020\/09\/logo-color.png\",\"width\":171,\"height\":66,\"caption\":\"Egida\"},\"image\":{\"@id\":\"https:\/\/egidacybersecurity.com\/#\/schema\/logo\/image\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\/\/egidacybersecurity.com\/#\/schema\/person\/8c6051dcb736e5cd0cd81a7ef0515917\",\"name\":\"mleon\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/egidacybersecurity.com\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/7fc75397d96cfe54a5c62ff945e6bf61\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/7fc75397d96cfe54a5c62ff945e6bf61\",\"caption\":\"mleon\"},\"url\":\"https:\/\/egidacybersecurity.com\/en\/author\/mleon\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Privacidad Diferencial, una introducci\u00f3n l\u00fadica - Egida","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/egidacybersecurity.com\/en\/privacidad-diferencial-una-introduccion-ludica\/","og_locale":"en_US","og_type":"article","og_title":"Privacidad Diferencial, una introducci\u00f3n l\u00fadica - Egida","og_description":"A medida que los datos electr\u00f3nicos sobre las personas se vuelven cada vez m\u00e1s detallados y la tecnolog\u00eda permite una recopilaci\u00f3n y conservaci\u00f3n de estos datos, aumenta la necesidad de&hellip;","og_url":"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/","og_site_name":"Egida","article_published_time":"2022-06-17T10:47:33+00:00","article_modified_time":"2022-06-17T11:29:03+00:00","og_image":[{"width":2560,"height":1440,"url":"https:\/\/egidacybersecurity.com\/wp-content\/uploads\/2022\/06\/DifferentialPrivacy.jun_.2022-scaled.jpg","type":"image\/jpeg"}],"author":"mleon","twitter_card":"summary_large_image","twitter_misc":{"Written by":"mleon","Est. reading time":"8 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/#article","isPartOf":{"@id":"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/"},"author":{"name":"mleon","@id":"https:\/\/egidacybersecurity.com\/#\/schema\/person\/8c6051dcb736e5cd0cd81a7ef0515917"},"headline":"Privacidad Diferencial, una introducci\u00f3n l\u00fadica","datePublished":"2022-06-17T10:47:33+00:00","dateModified":"2022-06-17T11:29:03+00:00","mainEntityOfPage":{"@id":"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/"},"wordCount":1630,"commentCount":0,"publisher":{"@id":"https:\/\/egidacybersecurity.com\/#organization"},"keywords":["Privacidad de datos","Privacidad diferencial"],"articleSection":["Actualidad","Publicaciones"],"inLanguage":"en-US","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/","url":"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/","name":"Privacidad Diferencial, una introducci\u00f3n l\u00fadica - Egida","isPartOf":{"@id":"https:\/\/egidacybersecurity.com\/#website"},"datePublished":"2022-06-17T10:47:33+00:00","dateModified":"2022-06-17T11:29:03+00:00","breadcrumb":{"@id":"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/#breadcrumb"},"inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/egidacybersecurity.com\/privacidad-diferencial-una-introduccion-ludica\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Portada","item":"https:\/\/egidacybersecurity.com\/en\/"},{"@type":"ListItem","position":2,"name":"Privacidad Diferencial, una introducci\u00f3n l\u00fadica"}]},{"@type":"WebSite","@id":"https:\/\/egidacybersecurity.com\/#website","url":"https:\/\/egidacybersecurity.com\/","name":"Egida","description":"Red nacional de tecnolog\u00edas de seguridad y privacidad","publisher":{"@id":"https:\/\/egidacybersecurity.com\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/egidacybersecurity.com\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"en-US"},{"@type":"Organization","@id":"https:\/\/egidacybersecurity.com\/#organization","name":"Egida","url":"https:\/\/egidacybersecurity.com\/","logo":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/egidacybersecurity.com\/#\/schema\/logo\/image\/","url":"https:\/\/egidacybersecurity.com\/wp-content\/uploads\/2020\/09\/logo-color.png","contentUrl":"https:\/\/egidacybersecurity.com\/wp-content\/uploads\/2020\/09\/logo-color.png","width":171,"height":66,"caption":"Egida"},"image":{"@id":"https:\/\/egidacybersecurity.com\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/egidacybersecurity.com\/#\/schema\/person\/8c6051dcb736e5cd0cd81a7ef0515917","name":"mleon","image":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/egidacybersecurity.com\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/7fc75397d96cfe54a5c62ff945e6bf61","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/7fc75397d96cfe54a5c62ff945e6bf61","caption":"mleon"},"url":"https:\/\/egidacybersecurity.com\/en\/author\/mleon\/"}]}},"_links":{"self":[{"href":"https:\/\/egidacybersecurity.com\/en\/wp-json\/wp\/v2\/posts\/922\/"}],"collection":[{"href":"https:\/\/egidacybersecurity.com\/en\/wp-json\/wp\/v2\/posts\/"}],"about":[{"href":"https:\/\/egidacybersecurity.com\/en\/wp-json\/wp\/v2\/types\/post\/"}],"author":[{"embeddable":true,"href":"https:\/\/egidacybersecurity.com\/en\/wp-json\/wp\/v2\/users\/6\/"}],"replies":[{"embeddable":true,"href":"https:\/\/egidacybersecurity.com\/en\/wp-json\/wp\/v2\/comments\/?post=922"}],"version-history":[{"count":10,"href":"https:\/\/egidacybersecurity.com\/en\/wp-json\/wp\/v2\/posts\/922\/revisions\/"}],"predecessor-version":[{"id":940,"href":"https:\/\/egidacybersecurity.com\/en\/wp-json\/wp\/v2\/posts\/922\/revisions\/940\/"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/egidacybersecurity.com\/en\/wp-json\/wp\/v2\/media\/926\/"}],"wp:attachment":[{"href":"https:\/\/egidacybersecurity.com\/en\/wp-json\/wp\/v2\/media\/?parent=922"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/egidacybersecurity.com\/en\/wp-json\/wp\/v2\/categories\/?post=922"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/egidacybersecurity.com\/en\/wp-json\/wp\/v2\/tags\/?post=922"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}