La privacy differenziale è uno standard per il calcolo dei dati che permette la raccolta di informazioni su un gruppo di utenti senza compromettere la riservatezza dei dati personali. Per minimizzare il rischio di leak di dati personali, anche di fronte a tentativi di de-anonimizzazione, la privacy differenziale si avvale delle seguenti proprietà:
- Ogni informazione è un’informazione identificante. Questo solleva chi tratta i dati dalla responsabilità talvolta onerosa di capire quali siano gli elementi identificanti in un dataset;
- Il dato personale deve essere del tutto eliminato, al fine di scongiurare attacchi basati sull’accostamento di dati (anche anonimizzati);
- Il livello di “informazione rilasciata” seguendo il modello della privacy differenziale è quantificabile, e permette di prendere decisioni consapevoli di conseguenza;
In altre parole: la privacy differenziale è un framework, che attraverso l’applicazione di modelli matematici dimostrabili fornisce un compromesso vincente per l’analisi e divulgazione di dati.
