MMLLAPDLD
3
30 HORAS
Al finalizar el curso, el estudiante será capaz de analizar riesgos de privacidad asociados a la publicación de datos sensibles, identificando vulnerabilidades frente a ataques de re-identificación y revelación de atributos; aplicar y evaluar técnicas de anonimización —como generalización, enmascarado y perturbación— bajo nociones formales de privacidad (k-anonimidad, l-diversidad), midiendo el balance entre protección y utilidad de los datos; y diseñar algoritmos diferencialmente privados, seleccionando mecanismos apropiados (Laplace, exponencial), razonando sobre composición y sensibilidad, y explorando variantes avanzadas como privacidad diferencial aproximada y generación de datos sintéticos.
Introducción al análisis de datos sensibles y desafíos de privacidad
Técnicas de anonimización
Privacidad diferencial
Variantes de privacidad diferencial (aproximada, de Rényi, cero-concentrada)
Mecanismos avanzados de composición
Sensibilidad local (sensibilidad suave, propose-test-release, liberación de valores estables, cota diferencialmente privada)
Generación de datos sintéticos
Near, J. P. & Abuah, C. (2011). Programming Differential Privacy. https://programming-dp.com
Dwork, C. & Roth, A. (2014). The Algorithmic Foundations of Differential Privacy. Foundations and Trends in Theoretical Computer Science, 9(3–4), 211–407. https://www.nowpublishers.com/article/Details/TCS-042
Vadhan, S. (2017). The Complexity of Differential Privacy. Tutorials on the Foundations of Cryptography (pp. 347–450). Springer, Cham. https://salil.seas.harvard.edu/publications/complexity-differential-privacy
Near, J. P. & Abuah, C. (2011). Programming Differential Privacy. https://programming-dp.com
Dwork, C. & Roth, A. (2014). The Algorithmic Foundations of Differential Privacy. Foundations and Trends in Theoretical Computer Science, 9(3–4), 211–407. https://www.nowpublishers.com/article/Details/TCS-042
Vadhan, S. (2017). The Complexity of Differential Privacy. Tutorials on the Foundations of Cryptography (pp. 347–450). Springer, Cham. https://salil.seas.harvard.edu/publications/complexity-differential-privacy
Federico Olmedo
Matías Toro
Beauchef #851, Edificio Poniente, segundo piso, oficinas 210-214. Santiago
Departamento de Ciencias de la Computación
Facultad de Ciencias Físicas y Matemáticas
Universidad de Chile
Beauchef 851, Edificio Norte, Tercer Piso
contacto@dcc.uchile.cl
Santiago, Chile. C.P. 837-0456
+562 2978 0652
contacto@dcc.uchile.cl
