¿Sabías que es posible identificar de manera única a la mayoría de los estadounidenses (87 %) con solo tres datos personales: fecha de nacimiento, código postal de cinco dígitos y género? Resulta un poco inquietante, ¿verdad?
Esta estadística, citada con frecuencia, se publicó por primera vez hace casi 15 años, en un artículo de investigación de AT&T de 2001 sobre información de identificación personal (PII). Aunque las fechas han cambiado y el volumen de datos ha crecido de forma exponencial desde la publicación de este informe, el desafío sigue siendo el mismo: proteger la identidad personal en nombre de la privacidad.
La PII está en el centro del debate sobre los datos anonimizados. En mi publicación anterior, desmentí una creencia sobre los datos anonimizados, a saber: Los datos anonimizados mantienen privada mi identidad personal. La afirmación más precisa que propuse fue: Es posible volver a identificar a las personas a partir de datos anonimizados. Examinemos un poco más esta idea.
Acerca de la PII y los datos anonimizados. ¿Qué significa anonimizar (o desidentificar) datos? En términos sencillos, significa eliminar de un conjunto de datos toda información que pudiera identificar personalmente a una persona concreta; por ejemplo, su nombre, número de tarjeta de crédito, número de la seguridad social, domicilio, etc. Las empresas que venden datos de consumidores, como los intermediarios de datos, suelen vender únicamente datos anonimizados y, a menudo, agregados. Entonces, si se elimina la PII de estos conjuntos de datos (como se muestra en la figura de abajo), ¿cuál es el problema?
Si hablamos de un solo conjunto de datos (como en el ejemplo anterior), probablemente no sea un gran problema. Sin embargo, la cosa se pone interesante cuando se combinan varios conjuntos de datos. La figura siguiente muestra de forma simplificada lo que hace un agregador de datos (o intermediario) con los conjuntos de datos:
Estos dos conjuntos de datos podrían ser totalmente inofensivos, pero, al combinarse y analizarse a lo largo del tiempo, podrían generar nuevos problemas de privacidad. Cynthia Dwork, de Microsoft, lo ilustra así: «¿Qué daño hay en saber que compro pan? No hay ningún daño en saberlo, pero si observas que, con el tiempo, dejo de comprar pan, quizá concluyas que tengo diabetes… Lo que ocurre aquí es que fallan los mecanismos de privacidad; no se combinan de manera eficaz».
Por qué importa. Volvamos a mi pregunta anterior: si se elimina mi información de identificación personal (PII) y se agrega antes de venderla o transmitirla, ¿cuál es el problema?
El problema es el siguiente: con las tecnologías actuales de macrodatos, cada vez es más fácil volver a identificar a las personas a partir de estos datos anonimizados. Se siguen desarrollando técnicas de programación para reunir de nuevo estas piezas anonimizadas a partir de uno o varios conjuntos de datos. Así que, si una empresa dice que anonimiza tus datos antes de transmitírselos a terceros, ten presente que tu identidad aún podría quedar al descubierto mediante técnicas avanzadas de reidentificación.
De hecho, hay un intenso debate al respecto. Un grupo defiende firmemente las técnicas y los algoritmos que se utilizan para anonimizar datos, y confía bastante en que no se pueda volver a identificar a las personas porque la tecnología aún no está a ese nivel. El otro grupo no está convencido y afirma que los algoritmos de reidentificación sí funcionan y no dejan de mejorar. También señala que algunas de las técnicas de anonimización que se utilizan actualmente simplemente no funcionan.
Suelo estar de acuerdo con este último grupo. Aunque no esté ocurriendo ahora, es solo cuestión de tiempo que las tecnologías y los algoritmos alcancen un nivel de sofisticación tal que no solo permitan volver a identificar a las personas más rápido, sino también hacerlo a menor costo.
Una última reflexión. Los algoritmos de reidentificación no son buenos ni malos; todo depende de cómo se utilicen. Así que, cuando una empresa bienintencionada o un intermediario de datos te diga que tu información personal está protegida y no se comparte con terceros ni se les vende, no lo tomes como una invitación a bajar la guardia. Ahora ya sabes cómo funciona: mantente alerta y vigilante.
Este artículo se publica en colaboración con Smart Data Collective. La publicación no implica que el Foro Económico Mundial respalde las opiniones expresadas.
Para mantenerse al día con la Agenda, suscríbase a nuestro boletín semanal.
Autora: Tamara Dull es directora de Tecnologías Emergentes del equipo de Mejores Prácticas de SAS, una organización dedicada al liderazgo de opinión de SAS Institute.
Imagen: Una lupa sostenida frente a la pantalla de una computadora. REUTERS/Pawel Kopczynski.