Conflicto entre la ciencia de datos y la privacidad

El volumen de datos del universo digital se dobla cada dos años, y el reto de la ciencia de datos es intentar no perderse entre ellos para poder extraer conclusiones, pero sabiendo dónde se encuentran los límites, porque muchas veces la recopilación de esta información choca con la privacidad de las personas. Esta es la tesis que defiende el profesor Josep Domingo Ferrer, catedrático distinguido en Ciencia de la Computación en la Universidad Rovira i Virgili (Tarragona), que ha impartido una conferencia en Madrid, organizada por la Fundación Ankaria y CUNEF Universidad.

“No es lícito que las empresas cojan todo lo que se halla en Internet”, ha afirmado el catedrático de Computación, que ha apelado al desarrollo de “defensas” legales y técnicas para proteger al ciudadano, sin impedir que la ciencia del dato saque todo el partido a esta ingente fuente de información.

Ferrer ha recordado que la mayoría de los servicios que se ofrecen de forma gratuita a través de Internet tienen como contraprestación la utilización de los datos personales de sus usuarios: “El proveedor de servicios suele obtener los datos como resultado de una transacción, como retorno de un servicio gratuito o como requisito inherente a un servicio ofrecido, como puede ser el caso de una aplicación de GPS”. En este sentido, el profesor ha señalado que los peligros éticos de la recogida masiva de datos abarcan desde una posible violación de los datos personales hasta el uso secundario no deseado, permitiendo cambios en las prácticas empresariales e incluso el acceso de determinados gobiernos a datos sin las debidas garantías legales.

Deep learning y privacidad

Para tratar de salvaguardar la seguridad de los usuarios en la red, el profesor Domingo Ferrer ha hecho referencia a la existencia de “defensas legales”, como son las leyes actualmente vigentes en materia de Inteligencia Artificial y Protección de Datos, que se basan en que “los datos deben ser usados para fines legítimos y han de recogerse con el consentimiento expreso del propietario, quien debe tener los derechos de enmienda, acceso y borrado en todo momento sobre ellos”. No obstante, ha matizado: “En un mundo global no bastan las defensas legales y hay que intentar aplicar defensas técnicas. Por eso los informáticos se han preocupado del riesgo de revelación mucho antes de la aparición de datos masivos”.

Herramientas basadas en Deep Learning pueden ayudar a proteger la privacidad de las personas sin restar interés a los datos

Sobre las denominadas “defensas técnicas” el profesor Domingo Ferrer ha explicado que “se trata de herramientas que modifican los datos para limitar el riesgo”, creando datos “anonimizados no estructurados” que ofrecen cierto grado de información relevante para la ciencia sin revelar detalles de la intimidad de las personas.

“Existe un intenso conflicto entre la recopilación de datos masivos y la privacidad. Por un lado, hay una corriente que indica que, para no entorpecer el desarrollo tecnológico y económico, la limitación de la privacidad debería reducirse a usos potencialmente nocivos. Del otro lado, está la idea de que cuantos menos datos, menos problemas de privacidad”, ha señalado el profesor. “En la actualidad, herramientas tecnológicas basadas en el Deep Learning nos pueden ayudar a preservar la privacidad sin restar interés al dato, gracias la anonimización de datos no estructurados. Sin embargo, hace falta más investigación en defensas técnicas que protejan al ciudadano sin impedir sacar todo el partido a la ciencia del dato”, ha concluido.