Articulo de referencia

Tecnologías que mejoran la privacidad

Las tecnologías de mejora de la privacidad ( PET ) son tecnologías que incorporan principios fundamentales de protección de datos al minimizar el uso de datos personales, maximi...

Las tecnologías de mejora de la privacidad ( PET ) son tecnologías que incorporan principios fundamentales de protección de datos al minimizar el uso de datos personales, maximizar la seguridad de los datos y empoderar a las personas. Las PET permiten a los usuarios en línea proteger la privacidad de su información de identificación personal (IIP), que a menudo se proporciona a servicios o aplicaciones y es gestionada por ellos. Las PET utilizan técnicas para minimizar la posesión de datos personales por parte de un sistema de información sin perder funcionalidad. [ 1 ] En términos generales, las PET se pueden clasificar como tecnologías de privacidad dura o blanda. [ 2 ]

Objetivos

El objetivo de las PET es proteger los datos personales y garantizar a los usuarios de tecnología dos puntos clave de privacidad: que su propia información se mantenga confidencial y que la gestión de la protección de datos sea una prioridad para las organizaciones responsables de cualquier IIP . Las PET permiten a los usuarios realizar una o más de las siguientes acciones relacionadas con los datos personales que se envían y utilizan por parte de proveedores de servicios en línea , comerciantes u otros usuarios (este control se conoce como autodeterminación ). Las PET buscan minimizar los datos personales recopilados y utilizados por proveedores de servicios y comerciantes, utilizar seudónimos o credenciales de datos anónimas para proporcionar anonimato y procurar obtener el consentimiento informado sobre la entrega de datos personales a proveedores de servicios en línea y comerciantes. [ 3 ]

En las negociaciones sobre privacidad, los consumidores y los proveedores de servicios establecen, mantienen y perfeccionan políticas de privacidad como acuerdos individualizados mediante la elección continua entre alternativas de servicio, lo que permite negociar los términos y condiciones para el suministro de datos personales a proveedores de servicios y comerciantes en línea (negociación de políticas de privacidad/manejo de datos). Dentro de estas negociaciones, las partes involucradas pueden, además, combinar los esquemas de recopilación y procesamiento de información personal con recompensas monetarias o no monetarias. [ 4 ] [ 5 ]

Las PET permiten auditar de forma remota el cumplimiento de estos términos y condiciones por parte de los proveedores de servicios en línea y los comerciantes (garantía), permiten a los usuarios registrar, archivar y consultar transferencias anteriores de sus datos personales, incluyendo qué datos se han transferido, cuándo, a quién y bajo qué condiciones, y facilitan el ejercicio de sus derechos legales de inspección, rectificación y supresión de datos. Las PET también ofrecen a los consumidores o a las personas que desean proteger su privacidad la oportunidad de ocultar su identidad personal. El proceso implica enmascarar la información personal y sustituirla por pseudodatos o una identidad anónima. [ 6 ] [ 7 ]

Familias

Las tecnologías que mejoran la privacidad se pueden distinguir en función de sus supuestos. [ 2 ]

Tecnologías de privacidad blanda

Las tecnologías de privacidad flexible se utilizan cuando se puede asumir que un tercero es de confianza para el procesamiento de datos. Este modelo se basa en el cumplimiento , el consentimiento , el control y la auditoría. [ 2 ]

Algunos ejemplos de tecnologías son el control de acceso , la privacidad diferencial y el cifrado de túnel (SSL/TLS) .

Un ejemplo de tecnologías de privacidad blanda es el aumento de la transparencia y el acceso. La transparencia implica brindar a las personas detalles suficientes sobre la lógica utilizada en los procesos automatizados de toma de decisiones. Además, el esfuerzo por otorgar acceso a los usuarios se considera una tecnología de privacidad blanda. Por lo general, las personas desconocen su derecho de acceso o enfrentan dificultades para acceder a él, como la falta de un proceso automatizado claro. [ 8 ]

Tecnologías de privacidad estrictas

Con tecnologías de privacidad robustas, ninguna entidad puede violar la privacidad del usuario. Se parte de la premisa de que no se puede confiar en terceros. Los objetivos de protección de datos incluyen la minimización de datos y la reducción de la confianza en terceros. [ 2 ]

Ejemplos de estas tecnologías incluyen el enrutamiento cebolla , el voto secreto y las VPN [ 9 ] utilizadas para elecciones democráticas.

PET existentes

Las tecnologías de privacidad electrónica (PET) han evolucionado desde su primera aparición en la década de 1980. Periódicamente, se han publicado artículos de revisión sobre el estado de la tecnología de privacidad:

  • Una descripción general principal, aunque fundamentalmente teórica, de la terminología y la tecnología de anonimización principal se encuentra en la terminología de anonimato de Pfitzmann y Hansen. [ 10 ]
  • En 1997, un informe de Goldberg, Wagner y Brewer de la Universidad de California, Berkeley, resumió los PET. [ 11 ]
  • En 2003, Borking, Blarkom y Olk revisaron las tecnologías desde una perspectiva de protección de datos en su Manual de tecnologías para mejorar la privacidad. [ 1 ]
  • En 2007, Fritsch publicó una visión general histórica, taxonómica y práctica de la tecnología contemporánea para mejorar la privacidad en Internet para el proyecto de investigación PETWeb. [ 12 ]
  • En 2008, Fritsch y Abie documentaron la brecha entre los PET implementados y su despliegue exitoso en una hoja de ruta de investigación para los PET. [ 13 ]
  • En 2015, Heurix et al. publicaron una taxonomía de tecnologías que mejoran la privacidad. [ 14 ]
  • Una especialización de la investigación en PET que busca aumentar la transparencia del procesamiento de datos se denomina tecnologías de mejora de la transparencia (TET). Un artículo de revisión de Janic et al. resume los avances en TET. [ 15 ] Murmann y Fischer-Hübner publicaron una revisión de herramientas de transparencia en 2017. [ 16 ]
  • En 2019, el Foro Económico Mundial publicó un libro blanco [ 17 ] que explora casos de uso de PET en tecnología financiera e infraestructura.
  • El Boston Women's Workforce Council publicó informes en 2017 [ 18 ] y 2019 [ 19 ] que analizaban la brecha salarial de género en varias empresas con sede en Boston. Los datos se compararon utilizando PET (Protección de Empleados) para garantizar que la información confidencial de los empleados se mantuviera privada en todo momento.
  • En 2021, el Comité Europeo de Protección de Datos , que supervisa la aplicación del RGPD, y la Agencia de la Unión Europea para la Ciberseguridad publicaron una guía técnica que respalda la Computación Multipartita Segura como una salvaguarda válida para la preservación de la privacidad, aplicable tanto a casos de uso en el ámbito de la atención médica como en el de la ciberseguridad. [ 20 ]

Ejemplos

Algunos ejemplos de tecnologías existentes para mejorar la privacidad son:

Componentes básicos generales del PET:

  • La ofuscación se refiere a las diversas prácticas de agregar datos engañosos o que distraigan a un registro o perfil, lo cual puede ser especialmente útil para frustrar el análisis de precisión una vez que los datos ya se han perdido o divulgado. Su efectividad contra los humanos es cuestionada, pero tiene mayor potencial contra algoritmos superficiales. [ 21 ] [ 22 ] [ 23 ] [ 24 ] La ofuscación también oculta información personal o datos sensibles mediante algoritmos informáticos y técnicas de enmascaramiento. Esta técnica también puede implicar agregar datos o información engañosos o que distraigan para que sea más difícil para un atacante obtener los datos necesarios.
  • Proporcionar a los usuarios acceso a sus datos personales: En este caso, el usuario obtiene control sobre la privacidad de sus datos dentro de un servicio, ya que la infraestructura del proveedor del servicio permite a los usuarios inspeccionar, corregir o eliminar todos sus datos almacenados en dicho proveedor.
  • La seudonimización es una técnica de gestión de datos que reemplaza la identidad o información personal de un individuo con identificadores artificiales conocidos como seudónimos. Este método de anonimización permite ocultar el contenido y los campos de información para disuadir a los atacantes y piratas informáticos de obtener información importante. Estos seudónimos pueden agruparse o aplicarse a datos individuales. En general, sirven para desalentar el robo de información, al tiempo que mantienen la integridad y el análisis de los datos. [ 25 ]

Tecnologías de procesamiento de imágenes (PET) para la comunicación que preserva la privacidad:

  • Los anonimizadores de comunicación ocultan la identidad real en línea del usuario (dirección de correo electrónico, dirección IP, etc.) y la reemplazan con una identidad imposible de rastrear (dirección de correo electrónico desechable, dirección IP aleatoria de hosts que participan en una red de anonimización, seudónimo, etc.). Se pueden aplicar a aplicaciones cotidianas como correo electrónico, navegación web, redes P2P , VoIP , chat, mensajería instantánea, etc.
  • Cuentas falsas compartidas en línea: Esta tecnología desvincula una cuenta en línea de los hábitos de un usuario específico al permitir que muchos usuarios la compartan y configurar información personal falsa en los ajustes de la cuenta. Para ello, una persona crea una cuenta en un sitio web como MSN, proporcionando datos falsos sobre su nombre, dirección, número de teléfono, preferencias, situación personal, etc. Luego, publica sus nombres de usuario y contraseñas en internet. Ahora, cualquiera puede usar esta cuenta sin problemas. De esta manera, el usuario tiene la seguridad de que no hay datos personales en el perfil de la cuenta (y se libra de la molestia de tener que registrarse en el sitio).

Las PET (Tecnologías de Procesamiento de Datos que Preservan la Privacidad) son tecnologías que facilitan el procesamiento de datos o la generación de estadísticas, preservando al mismo tiempo la privacidad de las personas que proporcionan los datos brutos o de los elementos específicos de dichos datos. Algunos ejemplos incluyen:

  • La identificación de privacidad mejorada (EPID) es un algoritmo de firma digital que admite el anonimato. A diferencia de los algoritmos de firma digital tradicionales (por ejemplo, PKI ), en los que cada entidad tiene una clave de verificación pública única y una clave de firma privada única, EPID proporciona una clave de verificación pública de grupo común asociada a muchas claves de firma privada únicas. [ 26 ] EPID se creó para que un dispositivo pudiera demostrar a un tercero qué tipo de dispositivo es (y opcionalmente qué software se ejecuta en el dispositivo) sin necesidad de revelar también la identidad exacta, es decir, para demostrar que se es un miembro auténtico de un grupo sin revelar qué miembro es. Se utiliza desde 2008.
  • La prueba de conocimiento cero es un método mediante el cual una parte (el probador) puede demostrar a otra parte (el verificador) que conoce un valor x, sin transmitir ninguna información aparte del hecho de que conoce el valor x.
  • La firma en anillo es un tipo de firma digital que puede ser realizada por cualquier miembro de un conjunto de usuarios, cada uno de los cuales posee un par de claves criptográficas.
  • El cifrado que preserva el formato (FPE, por sus siglas en inglés) se refiere a cifrar de tal manera que la salida (el texto cifrado ) tenga el mismo formato que la entrada (el texto plano).
  • El cifrado ciego es una técnica criptográfica mediante la cual un agente puede proporcionar un servicio a un cliente de forma codificada sin conocer ni la entrada real ni la salida real.

Las PET para el análisis de datos que preservan la privacidad son un subconjunto de las PET utilizadas para el procesamiento de datos que están diseñadas específicamente para la publicación de datos estadísticos. Algunos ejemplos incluyen:

  • El cifrado homomórfico es una forma de cifrado que permite realizar cálculos sobre textos cifrados.
  • La computación multipartita segura es un método que permite a las partes calcular conjuntamente una función sobre sus entradas, manteniendo la privacidad de dichas entradas.
  • Las pruebas de conocimiento cero no interactivas (NIZK, por sus siglas en inglés) son pruebas de conocimiento cero que no requieren interacción alguna entre el probador y el verificador.
  • Privacidad diferencial : Un algoritmo está restringido de manera que los resultados o salidas de un análisis de datos no puedan revelar si se está utilizando información de ciertos individuos para analizar y generar los resultados. Esta técnica se centra en grandes bases de datos y oculta la identidad de las "entradas" individuales que podrían tener datos privados y preocupaciones de privacidad.
  • El aprendizaje federado es una técnica de aprendizaje automático que entrena modelos en múltiples nodos distribuidos. Cada nodo alberga un conjunto de datos local y privado.
  • Los métodos de estilometría adversarial pueden permitir a los autores que escriben de forma anónima o con seudónimo resistirse a que sus textos se vinculen a sus otras identidades debido a pistas lingüísticas.

Futuro

Algunos ejemplos de tecnologías que mejoran la privacidad que se están investigando o desarrollando incluyen [ 27 ] tecnología de divulgación limitada, credenciales anónimas, negociación y aplicación de condiciones de manejo de datos y registros de transacciones de datos.

La tecnología de divulgación limitada ofrece una forma de proteger la privacidad de las personas al permitirles compartir únicamente la información personal necesaria con los proveedores de servicios para completar una interacción o transacción. Esta tecnología también está diseñada para limitar el seguimiento y la correlación de las interacciones de los usuarios con estos terceros. La divulgación limitada utiliza técnicas criptográficas y permite a los usuarios recuperar datos verificados por un proveedor, transmitirlos a una parte confiable y que esta confíe en la autenticidad e integridad de los datos. [ 28 ]

Las credenciales anónimas son propiedades o derechos del titular que no revelan su verdadera identidad; la única información que se divulga es la que el titular está dispuesto a revelar. La declaración puede ser emitida por el usuario, por el proveedor del servicio en línea o por un tercero (otro proveedor de servicios, una agencia gubernamental, etc.). Por ejemplo:

Las agencias de alquiler de coches online no necesitan conocer la verdadera identidad del cliente. Solo necesitan asegurarse de que el cliente sea mayor de 23 años (por ejemplo), que tenga carné de conducir, seguro médico (por ejemplo, para accidentes, etc.) y que realice el pago. Por lo tanto, no hay necesidad real de conocer el nombre del cliente, su dirección ni ninguna otra información personal . Las credenciales anónimas permiten que ambas partes se sientan cómodas: permiten que el cliente revele solo los datos necesarios para que la agencia de alquiler de coches preste su servicio ( minimización de datos ) y permiten que la agencia verifique sus requisitos y reciba el pago. Al reservar un coche online, el usuario, en lugar de proporcionar el nombre, la dirección y el número de tarjeta de crédito habituales , proporciona las siguientes credenciales, todas emitidas a seudónimos (es decir, no al nombre real del cliente):

  • Un certificado de edad mínima, emitido por el estado, que demuestre que el titular es mayor de 23 años (nota: no se proporciona la edad real).
  • Un permiso de conducir , es decir, una declaración, expedida por la agencia de control de vehículos a motor, de que el titular está autorizado a conducir coches.
  • Un comprobante de seguro , emitido por la compañía de seguros de salud.
  • Dinero digital

Negociación y cumplimiento de las condiciones de tratamiento de datos. Antes de solicitar un producto o servicio en línea, el usuario y el proveedor de servicios o comerciante en línea negocian el tipo de datos personales que se transferirán al proveedor. Esto incluye las condiciones que se aplicarán al tratamiento de los datos personales, como si se pueden enviar a terceros (venta de perfiles) y bajo qué condiciones (por ejemplo, solo informando al usuario), o cuándo se eliminarán (si corresponde). Una vez realizada la transferencia de datos personales, las condiciones de tratamiento de datos acordadas se aplican técnicamente mediante la infraestructura del proveedor de servicios, que es capaz de gestionar, procesar y cumplir con las obligaciones de tratamiento de datos. Además, el usuario puede auditar este cumplimiento de forma remota, por ejemplo, verificando cadenas de certificación basadas en módulos de computación confiables o comprobando sellos/etiquetas de privacidad emitidos por organizaciones auditoras externas (por ejemplo, agencias de protección de datos). De esta manera, en lugar de que el usuario tenga que confiar en las meras promesas de los proveedores de servicios de no abusar de los datos personales , tendrá mayor confianza en que el proveedor de servicios cumplirá con las condiciones de tratamiento de datos negociadas. [ 29 ]

Por último, el registro de transacciones de datos permite a los usuarios registrar la información personal que envían a los proveedores de servicios, la hora en que lo hacen y las condiciones en que lo hacen. Estos registros se almacenan y permiten a los usuarios determinar qué datos han enviado y a quién, o bien, establecer el tipo de datos que posee un proveedor de servicios específico. Esto genera mayor transparencia , requisito indispensable para tener el control.

Véase también

Referencias

  • van Blarkom, GW; Borking, JJ; Olk, JGE (2003). "PET" . Manual de privacidad y tecnologías para mejorar la privacidad. (El caso de los agentes de software inteligentes) . ISBN 978-90-74087-33-9.
  • Cánovas Sánchez, José Luis; Bernal Bernabé, Jorge; Skarmeta, Antonio (2018). "Integración de sistemas de credenciales anónimas en entornos IoT con recursos limitados" . IEEE Access . 6 : 4767–4778 . Bibcode : 2018IEEEA...6.4767S . doi : 10.1109/ACCESS.2017.2788464 .

Notas

  1. 1 2 ( van Blarkom, Borking y Olk 2003 )
  2. 1 2 3 4 Deng, Mina; Wuyts, Kim; Scandariato, Riccardo; Preneel, Bart; Joosen, Wouter (2011-03-01). "Un marco de análisis de amenazas a la privacidad: apoyo a la obtención y cumplimiento de los requisitos de privacidad" ( PDF) . Requirements Engineering . 16 (1): 332. doi : 10.1007/s00766-010-0115-7 . ISSN 1432-010X . S2CID 856424. Archivado (PDF) del original el 22-09-2017 . Recuperado el 06-12-2019 .  
  3. Visión del proyecto de investigación EU PRIME sobre la gestión de identidades con privacidad mejorada. Archivado el 11 de octubre de 2007 en Wayback Machine.
  4. "Datos clave sobre las negociaciones de privacidad" . Archivado del original el 13 de abril de 2020. Consultado el 8 de agosto de 2009 .
  5. "Documentos técnicos 2024 que exploran consideraciones prácticas y aplicaciones para tecnologías que mejoran la privacidad" . ISACA . Consultado el 18 de marzo de 2026 .
  6. Pfitzmann, A.; Hansen, M. (10 de agosto de 2010). "Anonimato, imposibilidad de vinculación, transparencia e intervenibilidad" (PDF) . Universidad Tecnológica de Dresde . Recuperado el 18 de marzo de 2026 .
  7. "¿Qué es la generación de datos sintéticos?" . K2view . 26-01-2023 . Consultado el 18-03-2026 .
  8. ^ D'Acquisto, Giuseppe; Domingo-Ferrer, Josep; Kikiras, Panayiotis; Torra, Vicenç; de Montjoye, Yves-Alexandre; Bourka, Atenea (2015). Privacidad por diseño en big data: una descripción general de las tecnologías que mejoran la privacidad en la era del análisis de big data . Oficina de Publicaciones. arXiv : 1512.06000 . doi : 10.2824/641480 .
  9. "Consideraciones emocionales y prácticas sobre la adopción y el abandono de las VPN como tecnología para mejorar la privacidad" . Archivado del original el 4 de abril de 2024. Consultado el 25 de octubre de 2020 .
  10. Pfitzmann, Andreas y Hansen, Marit (2010) Una terminología para hablar de privacidad mediante la minimización de datos: Anonimato, invinculabilidad, indetectabilidad, inobservabilidad, seudonimidad y gestión de identidades, v0.34, Informe, Universidad de Dresde, http://dud.inf.tu-dresden.de/Anon_Terminology.shtml Archivado el 25 de febrero de 2021 en Wayback Machine , consultado el 9 de diciembre de 2019
  11. Ian Goldberg, David Wagner y Eric Brewer (1997) Tecnologías para mejorar la privacidad en Internet, Universidad de California, Berkeley, https://apps.dtic.mil/dtic/tr/fulltext/u2/a391508.pdf Archivado el 23 de marzo de 2021 en Wayback Machine , consultado el 9 de diciembre de 2019
  12. Fritsch, Lothar (2007): Estado del arte de la tecnología de mejora de la privacidad (PET) - Entregable D2.1 del proyecto PETweb; Informe NR 1013, Norsk Regnesentral, ISBN 978-82-53-90523-5, 34 páginas, https://www.nr.no/publarchive?query=4589 Archivado el 30/11/2020 en Wayback Machine , consultado el 09/12/2019
  13. Lothar Fritsch, Habtamu Abie: Hacia una hoja de ruta de investigación para la gestión de riesgos de privacidad en sistemas de información. Sicherheit 2008: 1-15, Lecture Notes in Informatics vol. 128, http://cs.emis.de/LNI/Proceedings/Proceedings128/P-128.pdf#page=18 Archivado el 6 de agosto de 2020 en Wayback Machine , consultado el 9 de diciembre de 2019.
  14. Heurix, Johannes; Zimmermann, Peter; Neubauer, Thomas; Fenz, Stefan (1 de septiembre de 2015). "Una taxonomía para tecnologías que mejoran la privacidad". Computers & Security . 53 : 1–17 . doi : 10.1016/j.cose.2015.05.002 . ISSN 0167-4048 . 
  15. Janic, M.; Wijbenga, JP; Veugen, T. (junio de 2013). «Herramientas para mejorar la transparencia (TET): una visión general». Tercer taller de 2013 sobre aspectos sociotécnicos en seguridad y confianza . págs. 18-25 . doi : 10.1109/STAST.2013.11 . ISBN  978-0-7695-5065-7. S2CID 14559293 . 
  16. Murmann, P.; Fischer-Hübner, S. (2017). "Herramientas para lograr una transparencia ex post utilizable: una revisión" . IEEE Access . 5 : 22965–22991 . Bibcode : 2017IEEEA...522965M . doi : 10.1109/ACCESS.2017.2765539 . ISSN 2169-3536 . Archivado del original el 30 de abril de 2019. Recuperado el 20 de febrero de 2024 . 
  17. "La próxima generación de intercambio de datos en los servicios financieros: uso de técnicas para mejorar la privacidad y generar nuevo valor" . Foro Económico Mundial . 12 de septiembre de 2019. Consultado el 18 de marzo de 2026 .
  18. "Informe del Consejo de la Fuerza Laboral Femenina de Boston 2017" (PDF) . boston.gov . Consultado el 18 de marzo de 2026 .
  19. "Informe del Consejo de la Fuerza Laboral Femenina de Boston 2019" (PDF) . squarespace.com . Consultado el 18 de marzo de 2026 .
  20. "Pseudonimización de datos: técnicas avanzadas y casos de uso" . ENISA . 12 de marzo de 2024. Consultado el 18 de marzo de 2026 .
  21. Ofuscación . Prensa del MIT. 4 de septiembre de 2015. ISBN 9780262029735Archivado del original el 16 de abril de 2018. Consultado el 2 de abril de 2018 .
  22. "TrackMeNot" . Archivado del original el 5 de abril de 2018. Consultado el 2 de abril de 2018 .
  23. ^ Al-Rfou', Rami; Jannen, William; Patwardhan, Nikhil (2012). "TrackMeNo-tan-bueno-después de todo". arXiv : 1211.0320 [ cs.IR ].
  24. Loui, Ronald (2017). "Negación plausible para la ofuscación de registros de ISP y sugerencias del navegador con un extractor de frases en texto potencialmente abierto". 2017 IEEE 15.ª Conferencia Internacional sobre Computación Confiable, Autónoma y Segura, 15.ª Conferencia Internacional sobre Inteligencia y Computación Ubicua, 3.ª Conferencia Internacional sobre Inteligencia y Computación de Big Data y Congreso de Ciencia y Tecnología Cibernética (DASC/PiCom/DataCom/CyberSciTech) . págs. 276–279 . doi : 10.1109/DASC-PICom-DataCom-CyberSciTec.2017.58 . ISBN  978-1-5386-1956-8. S2CID 4567986 . 
  25. Torre, Lydia F. de la (2019-06-03). "¿Qué son las tecnologías que mejoran la privacidad (PET)?" . Medium . Archivado del original el 22-10-2020 . Recuperado el 20-10-2020 .
  26. "Identificación de privacidad mejorada" (PDF) . Diciembre de 2011. Archivado (PDF) del original el 1 de febrero de 2017. Consultado el 5 de noviembre de 2016 .
  27. Libro Blanco del proyecto de investigación EU PRIME Archivado el 17/08/2007 en Wayback Machine (Versión 2)
  28. "Definición de tecnología de divulgación limitada - Glosario de tecnología de la información de Gartner" . Archivado del original el 2 de abril de 2015. Consultado el 6 de marzo de 2015 .
  29. "Mejora de la privacidad del usuario mediante políticas de gestión de datos" (PDF) . 2006. Archivado (PDF) del original el 6 de noviembre de 2016. Consultado el 5 de noviembre de 2016 .

Los PET en general:

  • El proyecto de investigación EU PRIME (2004 a 2008) tuvo como objetivo estudiar y desarrollar nuevos PET.
  • Acerca de los PET del Centro para la Democracia y la Tecnología
  • Simposio anual sobre PET
  • Informe sobre los PET del Grupo META, publicado por el Ministerio de Ciencia danés.
  • Actividades de la Comisión Europea en el ámbito de los PET (enlace roto)

Credenciales anónimas:

Negociación de la política de privacidad:

  • El P3P del W3C
  • EPAL de IBM
  • Sören Preibusch: Implementación de negociaciones de privacidad en el comercio electrónico , Documentos de debate del DIW Berlín 526 , 2005