Descubre las 10 mejores tecnologías para mejorar la privacidad.
Incluso con regulaciones como el RGPD y la CCPA, los datos de los consumidores suelen estar expuestos a hackers, empresas y gobiernos. A medida que las empresas comparten datos con terceros para mejorar la visibilidad de la red , aumenta el riesgo de filtraciones.
Las tecnologías de mejora de la privacidad (PET, por sus siglas en inglés) ayudan a las empresas a utilizar estos datos manteniendo la privacidad de la información personal o sensible, lo que mejora tanto el cumplimiento normativo como la reputación corporativa.
Descubre las 10 mejores herramientas PET y sus casos de uso para ver cómo pueden proteger los datos y mejorar las operaciones comerciales:
¿Qué son las tecnologías que mejoran la privacidad (PET, por sus siglas en inglés)?
Las tecnologías de mejora de la privacidad (PET, por sus siglas en inglés) abarcan una amplia gama de tecnologías (soluciones de hardware o software) que garantizan la privacidad y la protección de datos, al tiempo que permiten a las organizaciones extraer valor de los datos y aprovechar todo su potencial comercial, científico y social. Estas tecnologías utilizan diversos métodos, como la criptografía, la anonimización y la ofuscación, para proteger los datos durante su procesamiento.
Al implementar PET, las organizaciones pueden ayudar a las empresas mediante
- Maximizar la seguridad de los datos reduciendo el riesgo de filtraciones o violaciones de seguridad.
- Prevenir el acceso de actores maliciosos al inutilizar los datos para fines maliciosos.
- Facilitar la seguridad de los datos colaboración entre departamentos e incluso organizaciones.
De esta forma, las PET desempeñan un papel fundamental en la gobernanza de datos y la utilidad de los datos protegidos.
Para aprovechar una herramienta automatizada, aquí tienes una lista de los mejores programas de prevención de pérdida de datos.
¿Por qué son importantes ahora las tecnologías que mejoran la privacidad (PET, por sus siglas en inglés)?
Al igual que cualquier otra solución de privacidad de datos, las tecnologías que mejoran la privacidad son importantes para las empresas por tres razones:
- Cumplimiento normativo: Las leyes de protección de datos, como el RGPD, la CCPA y el Comité Europeo de Protección de Datos (CEPD), obligan a las organizaciones a preservar los datos de los consumidores. Las empresas pueden enfrentarse a multas cuantiosas por filtraciones de datos.
- Un ejemplo real: las autoridades europeas de protección de datos impusieron multas por valor de 1.200 millones de euros (unos 1.400 millones de dólares) en virtud del RGPD, con un promedio de más de 400 notificaciones diarias de incumplimiento, lo que pone de manifiesto los crecientes riesgos de cumplimiento. 1 Los PET pueden proporcionar una forma fiable de cumplir con estas normativas, evitando sanciones legales y financieras.
- Intercambio seguro de datos: Es posible que sea necesario que organizaciones externas analicen los datos debido a la falta de capacidad de su empresa en análisis y pruebas de aplicaciones. Las tecnologías de procesamiento de datos (PET) permiten proteger la privacidad durante el intercambio de datos.
- Prevención de filtraciones de datos: Las filtraciones de privacidad pueden dañar la reputación de su empresa; dependiendo de su modelo de negocio, las empresas o los clientes podrían dejar de interactuar con su marca. Las tecnologías de protección de datos personales (PET) ayudan a salvaguardar la información confidencial, reduciendo el riesgo de filtraciones que expongan datos personales, como los datos de tarjetas de crédito.
- Un ejemplo real es la caída del precio de las acciones de Facebook tras el escándalo de Cambridge Analytica. 2
Los 10 mejores ejemplos de tecnologías que mejoran la privacidad
Algoritmos criptográficos
1. Cifrado homomórfico
El cifrado homomórfico permite realizar cálculos sobre datos cifrados, obteniendo resultados cifrados que coinciden con los de las operaciones realizadas sobre datos sin cifrar (es decir, en texto plano ). Esto permite a las empresas compartir datos confidenciales con terceros para su análisis, manteniendo la seguridad. Los datos pueden analizarse y devolverse al propietario, quien puede descifrarlos para ver los resultados. También resulta útil para almacenar datos cifrados en aplicaciones en la nube.
Algunos tipos comunes de cifrado homomórfico son:
- Cifrado homomórfico parcial: puede realizar un solo tipo de operación sobre los datos cifrados, como solo sumas o solo multiplicaciones, pero no ambas.
- Cifrado parcialmente homomórfico: puede realizar más de un tipo de operación (por ejemplo, suma, multiplicación), pero permite un número limitado de operaciones.
- Cifrado totalmente homomórfico : puede realizar más de un tipo de operación y no hay restricciones en cuanto al número de operaciones realizadas.
2. Computación multipartita segura (SMPC)
La computación multipartita segura es un subcampo del cifrado homomórfico con una diferencia: los usuarios pueden calcular valores a partir de múltiples fuentes de datos cifradas. Por lo tanto, se pueden aplicar modelos de aprendizaje automático a los datos cifrados, ya que la computación multipartita segura se utiliza para un mayor volumen de datos.
Estudio de caso
El Consejo de la Fuerza Laboral Femenina de Boston (BWWC, por sus siglas en inglés) busca eliminar las brechas salariales de género y raza en Boston a través de una asociación público-privada, con más de 250 empleadores comprometidos a abordar estas disparidades mediante la firma del "Pacto del Talento al 100 %".
Para medir la brecha salarial en toda la ciudad, la BWWC utilizó computación multipartita segura (sMPC) entre 2015 y 2023, analizando datos salariales de una sexta parte de los empleados locales sin revelar los salarios individuales. Los empleadores compartieron datos de nómina con la BWWC y los investigadores de la Universidad de Boston, quienes solo tuvieron acceso a estadísticas agregadas. Se desarrolló una aplicación web intuitiva para facilitar la introducción de datos por parte de las organizaciones participantes.
Con base en estas solicitudes, la BWWC determinó que:
- La colaboración con expertos en usabilidad es fundamental , ya que las funciones de privacidad de sMPC pueden complicar los procesos de introducción de datos y la recuperación ante errores.
- sMPC es una alternativa más rápida y segura para establecer relaciones de confianza con datos confidenciales. 3
3. Privacidad diferencial
La privacidad diferencial protege contra la divulgación de información sobre individuos. Este algoritmo criptográfico añade una capa de " ruido estadístico " al conjunto de datos, lo que permite describir patrones de grupos dentro del conjunto de datos manteniendo la privacidad de los individuos.
4. Pruebas de conocimiento cero (ZKP)
Las pruebas de conocimiento cero utilizan un conjunto de algoritmos criptográficos que permiten validar la información sin revelar los datos que la prueban.
5. Entorno de ejecución confiable (TEE)
Un TEE es un área segura dentro de un procesador principal que garantiza la integridad y la confidencialidad del código y los datos cargados en su interior. El TEE opera de forma aislada del resto del sistema, lo que significa que, incluso si el sistema operativo principal se ve comprometido, el TEE permanece seguro.
Su funcionamiento:
- El TEE proporciona un entorno de ejecución protegido donde se pueden realizar operaciones y datos confidenciales, como procesos criptográficos o autenticación segura, sin interferencia del sistema principal ni de posibles atacantes.
- Mantiene los datos confidenciales aislados y realiza las operaciones de cálculo en un entorno seguro, protegiendo contra amenazas como el malware o el acceso no autorizado.
- Los TEE (Entidades de Ejecución Transaccional) se utilizan ampliamente en dispositivos móviles, sistemas IoT y entornos en la nube para realizar tareas como el cifrado, la gestión de derechos digitales (DRM) y la seguridad de los sistemas de pago.
Estudio de caso
El Ministerio de Turismo de Indonesia buscaba generar estadísticas turísticas precisas a partir de datos de roaming móvil, abordando al mismo tiempo las preocupaciones sobre la privacidad al compartir conjuntos de datos de dos operadores de redes móviles (ORM). La tecnología empleada fue un Entorno de Ejecución Confiable (TEE), específicamente Intel SGX, para procesar de forma segura los IMSI con hash uniforme a través de la plataforma Sharemind HI.
Como resultado, el ministerio:
- Permitió el cálculo preciso de la cuota de mercado de roaming.
- Proporcionaba estadísticas turísticas mensuales basadas en datos de teléfonos móviles.
- Se estableció un marco para el intercambio confidencial de datos entre las partes interesadas.
- Sigue siendo la única solución conocida para analizar la superposición de suscriptores en itinerancia cruzada.
- El rendimiento es eficiente incluso en hardware comercial. 4
Técnicas de enmascaramiento de datos
Algunas tecnologías que mejoran la privacidad son también técnicas de enmascaramiento de datos que utilizan las empresas para proteger la información confidencial contenida en sus conjuntos de datos.
5. Ofuscación
Este es un término general para el enmascaramiento de datos que incluye múltiples métodos para reemplazar información confidencial agregando datos distractores o engañosos a un registro o perfil.
6. Pseudonimización
Los campos de identificación (campos que contienen información específica de una persona) se reemplazan con datos ficticios, como caracteres u otros datos. Las empresas suelen utilizar la seudonimización para cumplir con el RGPD.
7. Minimización de datos
Recopilar la cantidad mínima de datos personales que permita a la empresa prestar los elementos básicos de un servicio.
8. Anonimizadores de comunicación
Los sistemas de anonimización reemplazan la identidad en línea (dirección IP, dirección de correo electrónico) con una identidad desechable/de un solo uso imposible de rastrear.
Métodos de privacidad basados en IA
9. Generación de datos sintéticos
Los datos sintéticos son datos creados artificialmente mediante diferentes algoritmos, incluidos los de aprendizaje automático. Si le interesan las tecnologías que mejoran la privacidad porque necesita transformar sus datos en un entorno de prueba al que tengan acceso terceros, generar datos sintéticos con las mismas características estadísticas es una mejor opción.
10. Aprendizaje federado
El aprendizaje federado es una técnica de aprendizaje automático que entrena un algoritmo en múltiples dispositivos o servidores periféricos descentralizados que almacenan muestras de datos locales, sin intercambiarlas. Gracias a la descentralización de los servidores, los usuarios también pueden minimizar la cantidad de datos que deben conservarse en un servidor centralizado o en la nube.
Estudio de caso
El proyecto CARRIER utiliza el procesamiento secundario de datos médicos, de estilo de vida y personales para estimar riesgos y permitir la detección e intervención tempranas de la enfermedad arterial coronaria. Sin embargo, debe garantizar el cumplimiento de las normas legales y protegerse contra los riesgos de reidentificación al vincular conjuntos de datos de diferentes organizaciones, respetando las leyes nacionales y el RGPD europeo.
Para superar este desafío, el proyecto empleó el aprendizaje federado , que controla la ejecución de imágenes Docker aprobadas, lo que permite un procesamiento seguro de los datos sin necesidad de compartirlos directamente.
Como resultado, el proyecto podría:
- Desarrollar un marco sólido de gobernanza legal de datos para respaldar los procedimientos de aprendizaje federado.
- Se garantizó la privacidad y la seguridad de los datos durante el desarrollo del modelo de pronóstico, lo que facilitó la investigación continua.
- Se identificó la necesidad de una gobernanza continua para mantener el cumplimiento ético y legal durante las fases del proyecto. 5
Descripción general del mercado de PET
El mercado de las herramientas de procesamiento de datos (PET) abarca una amplia gama de herramientas, modelos y bibliotecas diseñadas para salvaguardar la privacidad de los datos. Por ejemplo, cada categoría, como los generadores de datos sintéticos o las herramientas de enmascaramiento de datos, cuenta con más de 20 herramientas distintas.
Resulta difícil preseleccionar individualmente estas herramientas debido a su gran diversidad. Para mayor claridad, las hemos agrupado y ofrecemos una visión general completa en la imagen de portada.
¿Cuáles son los principales casos de uso de los PET?
- Gestión de datos de prueba: Las pruebas de aplicaciones y el análisis de datos a veces son gestionados por proveedores externos. Incluso cuando se gestionan internamente, las empresas deben minimizar el acceso interno a los datos de los clientes. Es importante para las organizaciones utilizar una herramienta de prueba de aplicaciones (PET) adecuada que no afecte significativamente los resultados de las pruebas.
- Transacciones financieras: Las instituciones financieras son responsables de proteger la privacidad de los clientes debido a la libertad de los ciudadanos para realizar tratos y transacciones privadas con terceros.
- Servicios de salud: La industria de la salud recopila y comparte (cuando es necesario) los registros electrónicos de salud (EHR) de los pacientes. Por ejemplo, los datos clínicos pueden utilizarse para buscar efectos adversos de diversas combinaciones de medicamentos. Las empresas de salud garantizan la privacidad de los datos de los pacientes en estos casos mediante el uso de tecnologías de procesamiento electrónico de datos (PET).
- Facilitar la transferencia de datos entre múltiples partes, incluidos los intermediarios: Para las empresas que actúan como intermediarias entre dos partes, el uso de PET es crucial, ya que estas empresas son responsables de proteger la privacidad de la información de ambas partes.
Preguntas frecuentes
Navegar por la variedad de herramientas para mejorar la privacidad (PET, por sus siglas en inglés) disponibles en el mercado requiere un enfoque estratégico adaptado a las necesidades específicas de su negocio. Para garantizar una integración y alineación óptimas con su conjunto de software e infraestructura de TI, considere los siguientes pasos:
1. Identifica tus necesidades y objetivos.
Debe identificar los problemas que pretende resolver mediante la implementación de un PET. Para ello, puede:
a) Evalúe su panorama de datos: Identifique el volumen y la naturaleza de los datos que gestiona su empresa. Determine si son predominantemente estructurados o no estructurados, ya que esto influye en la elección de las PET que mejor se adapten a sus necesidades.
b) Mapeo del intercambio de datos con terceros: Comprenda las complejidades del intercambio de datos con terceros. Si sus datos transitan por canales externos, priorice soluciones como el cifrado homomórfico para mantener la seguridad y la confidencialidad durante la transmisión.
c) Defina las necesidades de acceso a los datos:
Distinga claramente el nivel de acceso requerido al conjunto de datos, evaluando si el acceso completo es esencial o si basta con acceder únicamente al resultado. Además, considere la posibilidad de ocultar la información personal identificable para una mayor privacidad.
d.) Determinar la utilización de los datos : Verificar si se pretende utilizar los datos para análisis estadísticos, información de mercado, entrenamiento de modelos de aprendizaje automático o fines similares.
2. Evaluar diferentes tipos de PET:
Considere las tres categorías principales de PET: herramientas criptográficas, técnicas de enmascaramiento de datos y soluciones basadas en IA, como los generadores de datos sintéticos. Identifique qué tipo se ajusta mejor a sus objetivos de privacidad y necesidades de protección de datos.
3. Seleccione las herramientas más adecuadas según sus categorías:
Una vez que hayas identificado las categorías de PET relevantes para tus necesidades, selecciona las herramientas específicas dentro de cada categoría. Considera aspectos como la funcionalidad, la escalabilidad y la compatibilidad con tu infraestructura existente.
4. Evaluar la infraestructura de TI:
Realice una evaluación exhaustiva de su infraestructura de TI, teniendo en cuenta las capacidades de red y de procesamiento. Esta evaluación le ayudará a seleccionar las soluciones de procesamiento de energía (PET) que se integren perfectamente con los recursos de su empresa. Identifique las áreas que puedan requerir actualizaciones para garantizar la compatibilidad.
5. Considere las asignaciones presupuestarias:
Planifique su presupuesto de forma proactiva, teniendo en cuenta que el coste de las soluciones de privacidad electrónica (PET) puede variar. Asigne recursos en función de sus requisitos específicos de privacidad y su capacidad financiera. Considere factores como la escalabilidad, el mantenimiento y los posibles costes adicionales asociados a la solución PET elegida.
Enlaces de referencia
Sé el primero en comentar
Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios.