Un hub de privacidad y gobernanza de datos para comprender cómo los sistemas de IA usan, transforman, protegen y exponen datos.
25
Términos
9
Comparaciones
8
Preguntas
La privacidad de datos en la IA se centra en qué datos entran en un sistema, cómo se transforman, si las personas siguen siendo identificables y qué controles protegen los datos durante todo el ciclo de vida. Conecta el derecho de privacidad, la ingeniería de datos, el entrenamiento de modelos y la supervisión de proveedores.
Los sistemas de IA pueden crear riesgos de privacidad incluso cuando la salida parece inocua, porque los datos de entrenamiento, prompts, logs, embeddings y documentos recuperados pueden exponer información sensible.
Útil para análisis RGPD, revisiones de gobernanza de datos bajo el Reglamento de IA, DPIA o PIA, evaluaciones de proveedores, gobernanza de fuentes RAG y respuesta a incidentes.
Categorías de datos que determinan obligaciones de privacidad y salvaguardias reforzadas en sistemas de IA.
Técnicas y conceptos de gobernanza utilizados para reducir la identificabilidad y el riesgo de exposición.
Controles para saber de dónde proceden los datos, cómo se utilizan y dónde se almacenan.
Una comparación lado a lado entre datos personales y datos no personales. Comprenda cómo la identificabilidad cambia el análisis de privacidad, el uso lícito y los controles de gobernanza de IA.
Una comparación lado a lado entre datos personales y categorías especiales de datos personales. Comprenda por qué todos los datos de categoría especial son datos personales, pero no todos los datos personales reciben la misma protección reforzada.
Una comparación lado a lado entre anonimización / desidentificación y seudonimización. Comprenda la diferencia entre reducir la identificabilidad y sustituir identificadores manteniendo posible la reidentificación mediante información separada.
Una comparación lado a lado entre datos biométricos y categorías especiales de datos personales. Comprenda cómo los identificadores biométricos se relacionan con el conjunto más amplio de datos personales sensibles protegidos en el análisis de privacidad de la UE.
Una comparación lado a lado entre anonimización de datos y privacidad diferencial. Comprenda cómo reducir la identificabilidad en los datos se diferencia de limitar lo que puede inferirse a partir de cálculos o salidas de modelos.
Comparación lado a lado entre datos sintéticos y datos personales. Entienda en qué se diferencian los datos generados artificialmente de la información relativa a una persona física identificada o identificable.
Comparación lado a lado entre el Reglamento General de Protección de Datos (RGPD) y el Reglamento de IA de la UE. Entienda cómo las obligaciones de protección de datos personales difieren de las obligaciones basadas en riesgos para sistemas de IA y modelos de IA de propósito general.
Comparación lado a lado entre Datos de producción y Datos de entrenamiento. Explica las diferencias clave, cuándo usar cada concepto y qué implica la distinción para la gobernanza, el diseño del sistema o la evidencia de aseguramiento de IA.
Comparación lado a lado entre Procedencia de datos y Registro de fuentes de datos. Explica las diferencias clave, cuándo usar cada concepto y qué implica la distinción para la gobernanza, el diseño del sistema o la evidencia de aseguramiento de IA.
Usa anonimización o desidentificación cuando se hable de reducir o eliminar la identificabilidad; usa seudonimización cuando los datos personales aún puedan atribuirse mediante información adicional protegida.
Usa anonimización de datos cuando se modifiquen datos para reducir la identificabilidad; usa privacidad diferencial cuando se limite la inferencia individual a partir de salidas mediante un marco de privacidad.
Los datos sintéticos son datos generados artificialmente diseñados para parecerse a determinados patrones, estructuras o propiedades estadísticas de datos reales.
La procedencia de los datos es la historia registrada de los datos, incluida su fuente, creación, transformaciones, movimientos y cambios a lo largo del tiempo. En la gobernanza de IA, la procedencia ayuda a verificar el linaje de los conjuntos de datos, evaluar la fiabilidad, apoyar auditorías y entender cómo se produjo el contenido digital o las entradas del modelo.
La residencia y la soberanía de datos se refieren a dónde se almacenan, procesan y gobiernan los datos, y qué regímenes jurídicos se aplican. Para usos regulados de IA, estos conceptos afectan a la elección de regiones cloud, transferencias transfronterizas, controles contractuales y cumplimiento de requisitos sectoriales o nacionales.
Usa el RGPD cuando el problema sea el tratamiento de datos personales; usa el Reglamento de IA de la UE cuando el problema sea la categoría de riesgo del sistema de IA, la seguridad, la transparencia, la gobernanza o las obligaciones de conformidad.
Los datos de entrenamiento son el conjunto de datos utilizado para enseñar o ajustar un modelo de aprendizaje automático mediante la modificación de sus parámetros aprendibles. Su calidad, cantidad, diversidad, etiquetado y procedencia influyen fuertemente en el rendimiento, la fiabilidad y la postura de cumplimiento del modelo resultante.
El cifrado de datos es la transformación de datos legibles en una forma codificada que resulta ininteligible sin una clave autorizada o un proceso de descifrado. Se utiliza para proteger información sensible frente al acceso no autorizado durante el almacenamiento, la transmisión o el procesamiento.