Privatización y Usabilidad de Datos Sintéticos: Un análisis práctico.

Abstract

En los últimos tiempos, se han incrementado las tecnologías que hacen uso de la inteligencia artificial entrenada con grandes cantidades de datos. Este auge ha provocado un aumento exponencial en la demanda de datos, los cuales son necesarios para el correcto funcionamiento de las inteligencias artificiales.

Las compañías han reaccionado a este fenómeno y, en la actualidad, se esfuerzan por recolectar la mayor cantidad posible de estos datos para luego explotarlos y obtener rentabilidad.

El problema surge cuando estos datos contienen información de carácter personal, lo que puede representar un riesgo para la privacidad de las personas. Esta situación crea un obstáculo en la difusión de datos, afectando directamente el desarrollo de la tecnología mencionada anteriormente.

En este contexto, se han propuesto diversas soluciones para abordar el problema de la privacidad, destacando especialmente los datos sintéticos. Estos son datos generados artificialmente, es decir, no están asociados a ninguna persona, lo que garantiza la protección de la privacidad. Aunque no son idénticos a los reales, mantienen una utilidad estadística similar.

A partir de lo anterior, presentamos nuestro proyecto: una aplicación web que genera conjuntos de datos sintéticos a partir de un conjunto de datos original en formato CSV. Para ello, utiliza la librería Synthetic Data Vault de Python. Con esta aplicación, los usuarios pueden anonimizar cualquier conjunto de datos utilizando uno de los sintetizadores que ofrece SDV.

Esta aplicación es de código abierto y tiene como objetivo principal permitir a cualquier usuario, sin importar su experiencia, generar datos sintéticos. De esta manera, aseguramos el acceso sencillo y gratuito a una herramienta de anonimización de datos.