Técnicas de preservación de la privacidad en entornos de ciencia de datos

Abstract

Cada día se generan, procesan y analizan enormes volúmenes de información, los cuales son esenciales para el desarrollo de modelos de inteligencia artificial. Estos modelos optimizan tareas de segmentación, clasificación, automatización de procesos y predicción de tendencias, todo ello englobado bajo lo que conocemos como ciencia de datos. Este potencial hace que debamos poner el foco en las cuestiones de privacidad que surgen en dichos entornos, desde la adquisición y procesamiento de los datos hasta el despliegue y desarrollo de modelos. En este sentido, la presente tesis doctoral cubre todos estos aspectos, realizando múltiples contribuciones al desarrollo de soluciones avanzadas en el campo, combinando desarrollos teóricos y prácticos con productos de software. Además, se exploran aplicaciones prácticas en áreas multidisciplinares, desde la medicina hasta la monitorización de calidad de aguas o las predicciones climáticas.

Every day, huge volumes of information are generated, processed and analyzed, which are essential for the development of artificial intelligence models. These models optimize segmentation, classification, process automation and trend prediction tasks, all encompassed under what we know as data science. This potential requires us to focus on the privacy issues that arise in such environments, from data acquisition and processing to model deployment and development. In this sense, this PhD thesis covers all these aspects, making multiple contributions to the development of advanced solutions in the field, combining theoretical and practical developments and software products. In addition, practical applications are explored in multidisciplinary areas, from medicine to water quality monitoring or climate predictions.