Marco de medición de la privacidad

• Luis Gustavo Esquivel-Quirós ^[1] ; Elena Gabriela Barrantes ^[1] ; Fernando Esponda Darlington ^[2]
  1. [1] Universidad de Costa Rica

     Universidad de Costa Rica

     Hospital, Costa Rica

     
  2. [2] Instituto Tecnológico Autónomo de México

     Instituto Tecnológico Autónomo de México

     México

     
• Localización: RISTI: Revista Ibérica de Sistemas e Tecnologias de Informação, ISSN-e 1646-9895, Nº. 31, 2019, págs. 66-81
• Idioma: español
• Títulos paralelos:
  • Privacy measurement framework
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El aumento de sanciones por violaciones de la privacidad motiva la definición de una metodología de evaluación de la utilidad de la información y de la preservación de la privacidad de datos a publicar. Al desarrollar un caso de estudio se provee un marco de trabajo para la medición de la preservación de la privacidad. Se exponen problemas en la medición de la utilidad de los datos y se relacionan con la preservación de la privacidad en daos a publicar. Se desarrollan modelos de aprendizaje máquina para determinar el riesgo de predicción de atributos sensibles y como medio de verificación de la utilidad de los datos. Los hallazgos motivan la necesidad de adecuar la medición de la preservación de la privacidad a los requerimientos actuales y a medios de ataque sofisticados como el aprendizaje máquina.

  • English

    The grown penalties for privacy violations motivate the definition of a methodology for evaluating the usefulness of information and the privacypreserving data publishing. We developing a case study and we provided a framework for measuring the privacy-preserving. Problems are exposed in the measurement of the usefulness of the data and relate to privacy-preserving data publishing. Machine learning models are developed to determine the risk of predicting sensitive attributes and as a means of verifying the usefulness of the data. The findings motivate the need to adapt the privacy measures to current requirements and sophisticated attacks as the machine learning.