Peer-reviewed

Personal data are of great interest in statistical studies and to provide personalized services, but its release may impair the privacy of individuals. To protect the privacy, in this paper, we present the notion and practical enforcement of semantic noise, a semantically-grounded version of the numerical uncorrelated noise addition method, which is capable of masking textual data while properly preserving their semantics. Unlike other perturbative masking schemes, our method can work with both datasets containing information of several individuals and single data. Empirical results show that our proposal provides semantically-coherent outcomes preserving data utility better than non-semantic perturbative mechanisms.

Los datos personales son de gran interés en los estudios estadísticos y para proporcionar servicios personalizados, pero su lanzamiento puede poner en peligro la privacidad de los individuos. Para proteger la privacidad, en este trabajo presentamos el concepto y la aplicación práctica de ruido semántico, una versión basada en la semántica del método de adición de ruido no correlacionado numérico, que es capaz de enmascarar los datos textuales, preservando adecuadamente su semántica. A diferencia de otros sistemas de encubrimiento perturbativos, nuestro método puede trabajar con ambos conjuntos de datos que contienen información de varios individuos y los datos individuales. Los resultados empíricos muestran que nuestra propuesta proporciona resultados semánticamente coherentes preservando mejor la utilidad de los datos que los mecanismos perturbativos no semánticos.

Les dades personals són de gran interès en els estudis estadístics i per proporcionar serveis personalitzats, però el seu llançament pot posar en perill la privacitat dels individus. Per protegir la privacitat, en aquest treball presentem el concepte i l'aplicació pràctica de soroll semàntic, una versió basada en la semàntica del mètode d'addició de soroll no correlacionat numèric, que és capaç d'emmascarar les dades textuals, preservant adequadament la seva semàntica. A diferència d'altres sistemes d'encobriment pertorbatius, el nostre mètode pot treballar amb dos conjunts de dades que contenen informació de diversos individus i les dades individuals. Els resultats empírics mostren que la nostra proposta proporciona resultats semànticament coherents preservant millor la utilitat de les dades que els mecanismes pertorbatius no semàntics.