Marco matemático riguroso que permite extraer información analítica colectiva de una base de datos inyectando ruido controlado para garantizar el anonimato individual.
Explicación y Contexto Conceptual
Inventada por Cynthia Dwork y adoptada por gigantes tecnológicos como Apple, Google y la Oficina del Censo de EE.UU., la privacidad diferencial garantiza matemáticamente que el resultado de un cálculo estadístico o consulta analítica será prácticamente idéntico con o sin la inclusión de cualquier individuo específico en el conjunto de datos.
En la publicidad digital cookieless, se utiliza para informar sobre clics y conversiones agregadas añadiendo ruido estadístico calculado mediante la distribución de Laplace o Gaussiana, de modo que ningún analista pueda realizar ataques de reidentificación para aislar a un usuario particular.
Ejemplo en la Práctica
Attribution Reporting API añade ruido gaussiano a los conteos de compras de una campaña publicitaria, permitiendo al anunciante conocer que hubo ~1,200 compras sin poder deducir si una persona en particular compró.