La anonimización de datos elimina los identificadores personales, impidiendo que los datos se vinculen a individuos. Se eliminan o reemplazan nombres, direcciones, números de teléfono y números de seguridad social. El objetivo es utilizar los datos para investigación o análisis sin revelar la identidad de nadie. Los investigadores del sector sanitario anonimizan los historiales de los pacientes. Las empresas anonimizan los datos de comportamiento de los usuarios antes de compartirlos con sus socios.

La verdadera anonimización es más difícil de lo que parece. Eliminar los nombres no es suficiente. La combinación de atributos puede permitir la reidentificación de las personas. La fecha de nacimiento, el código postal y el género, en conjunto, identifican de forma única a la mayoría de las personas en Estados Unidos. Latanya Sweeney lo demostró en 1997 al reidentificar los historiales médicos de un gobernador estatal a partir de datos supuestamente anónimos. El conjunto de datos del Premio Netflix se desanonimizó en 2008 mediante la comparación con las calificaciones de IMDb. Técnicas como la k-anonimidad, la privacidad diferencial y la generación de datos sintéticos intentan resolver el problema. Cada una presenta ventajas y desventajas en cuanto al equilibrio entre privacidad y utilidad. Una mayor anonimización implica datos menos útiles. La anonimización perfecta puede significar la ausencia total de datos. Los reguladores reconocen la dificultad. El RGPD trata los datos anonimizados de forma diferente a los datos seudonimizados, pero la línea divisoria entre ellos es difusa. La reidentificación suele ser simplemente cuestión de esfuerzo.

Técnicas de anonimización

• Supresión: eliminar los identificadores por completo.
• Generalización: sustituir valores específicos por rangos.
• Pseudonimización: intercambio de identificadores por otros falsos, reversible con una clave.
• Privacidad diferencial: añadir ruido estadístico para proteger a las personas.
• Datos sintéticos: generan registros artificiales que imitan patrones reales.

La anonimización reduce el riesgo, pero no lo elimina. Trate los datos anonimizados con precaución.