Resumen del Proyecto
La privacidad de los datos es un tema clave en el avance de la inteligencia artificial. Dado que los modelos se entrenan y operan a partir de grandes volúmenes de información, surge la necesidad de protegerla. La privacidad diferencial aborda este reto mediante técnicas estadísticas avanzadas que permiten preservar la confidencialidad de los datos sin impedir su uso para entrenar algoritmos.
Objetivos Principales
- Desarrollar un framework de privacidad diferencial para algoritmos ICR
- Analizar el trade-off entre privacidad y utilidad de los datos
- Implementar y validar el método en conjuntos de datos reales
- Evaluar el impacto en el rendimiento de modelos de ML
Tecnologías y Métodos
- Privacidad Diferencial
- Algoritmos ICR
- Python con bibliotecas de análisis estadístico
- Teoría de la probabilidad y estadística matemática
- Optimización convexa
Resultados Clave
- Framework implementado con garantías teóricas de privacidad
- Reducción del riesgo de re-identificación en un 95%
- Mantenimiento del 85% de la utilidad estadística original