Privacidad, confidencialidad y confianza: lecciones del debate sobre los microdatos censales para el futuro de las estadísticas oficiales

Autores/as

DOI:

https://doi.org/10.20947/S0102-3098a0339

Palabras clave:

microdados; confidencialidade estatística; privacidade diferencial; dados sintéticos;

Resumen

La adopción de la privacidad diferencial por parte de la Oficina del Censo de los Estados Unidos (U.S. Census Bureau) para el Censo de 2020 y el debate sobre la eventual sustitución de los microdatos de uso público de la American Community Survey (ACS) por datos sintéticos constituyen uno de los debates más relevantes de la historia reciente de la estadística oficial. Este punto de vista reconstruye las posiciones de John M. Abowd y de la Oficina del Censo, así como las críticas de Steven Ruggles y de la comunidad de usuarios, examinando además los acontecimientos institucionales de 2025–2026 en los Estados Unidos y la nueva arquitectura de difusión de los microdatos de la muestra del Censo Demográfico 2022 del Instituto Brasileño de Geografía y Estadística (IBGE). La controversia no debe reducirse a la elección entre técnicas de anonimización. En el centro de la cuestión se encuentra no solo qué poblaciones y relaciones estadísticas permanecerán visibles, sino también la decisión institucional sobre quién define los límites entre riesgo y utilidad. La incertidumbre técnica es real y exige evaluación empírica, pruebas de intrusión y documentación. La pérdida de confianza en la institución productora representa un riesgo significativo, ya que las estadísticas oficiales tienden a utilizarse sin posibilidad de verificación directa. Desde mi punto de vista, lo más adecuado sería una arquitectura producto por producto, que combine una protección proporcional al riesgo con un acceso escalonado y una evaluación independiente, acompañada de una participación documentada de los usuarios. El criterio decisivo no debería ser la elección de un método determinado, sino la capacidad de hacer auditable la decisión entre protección, utilidad científica y legitimidad institucional.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Eduardo L.G. Rios-Neto, Universidade Federal de Minas Gerais

Profesor de Demografía en Cedeplar, Universidad Federal de Minas Gerais (UFMG), jubilado y actualmente colaborador voluntario. Profesor Visitante de Economía en el Programa de Posgrado en Economía Aplicada (PPEA) de la Universidad Federal de Ouro Preto (UFOP) entre 2024 y 2025.

Presidente del Instituto Brasileño de Geografía y Estadística (IBGE) del 27 de abril de 2021 al 31 de diciembre de 2022. Director de Investigaciones del IBGE del 21 de mayo de 2019 al 26 de abril de 2021.

Miembro de The World Academy of Sciences (TWAS) desde 2024. Miembro titular de la Academia Brasileña de Ciencias (ABC), en el área de Ciencias Sociales, desde 2018. Posee el Diploma de la Orden Nacional del Mérito Científico, en la categoría de Comendador, en el área de Ciencias Sociales y Humanas, otorgado por el Ministerio de Ciencia y Tecnología de Brasil.

Impartió la asignatura “World Food Economy” (ACE251) en el Department of Agricultural and Consumer Economics de la University of Illinois Urbana-Champaign, entre agosto y diciembre de 2016. Fue Profesor Visitante Lemann en la University of Illinois Urbana-Champaign entre agosto de 2015 y mayo de 2016. Fue Profesor Visitante Tinker en la University of Texas at Austin, donde impartió la asignatura “Evaluation of Social Policy in Latin America” entre enero y mayo de 2006.

Profesor Titular jubilado del Departamento de Demografía de la UFMG, donde ejerció la docencia entre 1980 y 2015, e investigador de Cedeplar/UFMG. Fue Becario de Productividad en Investigación del CNPq, Nivel 1A.

Obtuvo el doctorado (PhD) en Demografía por la University of California, Berkeley (1982–1987), y realizó estudios posdoctorales en la University of Texas at Austin (1995–1996). Fue Jefe del Departamento de Demografía de la UFMG entre 2009 y 2015 y coordinó el Programa de Posgrado en Demografía de Cedeplar/UFMG entre 1996 y 2000.

Citas

ABDU, A. A.; CHAMBERS, L. M.; MULLIGAN, D. K.; JACOBS, A. Z. Algorithmic transparency and participation through the handoff lens: lessons learned from the U.S. Census Bureau’s adoption of differential privacy. In: THE 2024 ACM CONFERENCE ON FAIRNESS, ACCOUNTABILITY, AND TRANSPARENCY – FACCT. Proceedings […]. Rio de Janeiro, 2024.

ABOWD, J. M.; ASHMEAD, R.; CUMINGS-MENOS, R.; GARFINKEL, S.; HEINECK, M.; HEISS, C.; JOHNS, R.; KIFER, D.; LECLERC, P.; MACHANAVAJJHALA, A.; MORAN, B.; SEXTON, W.; SPENCE, M.; ZHURAVLEV, P. The 2020 Census disclosure avoidance system topdown algorithm. Harvard Data Science Review, v. 2, special issue, 2022.

ABOWD, J. M. Third declaration of John M. Abowd. Alabama: U.S. Department of Commerce, 2021.

ABOWD, J. M.; SCHMUTTE, I. M. An economic analysis of privacy protection and statistical accuracy as social choices. American Economic Review, v. 109, n. 1, p. 171-202, 2019.

APDU – Association of Public Data Users. Comentário sobre a proposed rule do Census Bureau: critérios de residência e restrições a quesitos demográficos no censo decenal. Setembro 2026.

DALENIUS, T.; REISS, S. P. Data-swapping: a technique for disclosure control. Journal of Statistical Planning and Inference, v. 6, n. 1, p. 73-85, 1982.

DINUR, I.; NISSIM, K. Revealing information while preserving privacy. In: THE TWENTY-SECOND ACM SIGMOD-SIGACT-SIGART SYMPOSIUM ON PRINCIPLES OF DATABASE SYSTEMS. Proceedings […]. San Diego: Association for Computing Machinery (ACM), 2003. p. 202-210.

HOTZ, V. J. et al. Balancing data privacy and usability in the federal statistical system. PNAS, v. 119, n. 31. 2022.

IBGE – Instituto Brasileiro de Geografia e Estatística. Censo Demográfico 2022. Notas metodológicas 03/2026: controle estatístico de confidencialidade dos microdados da amostra. Rio de Janeiro, 2026.

KENNY, C. T.; McCARTAN, C.; KURIWAKI, S.; SIMKO, T.; IMAI, K. Evaluating bias and noise induced by the U.S. Census Bureau’s privacy protection methods. Science Advances, v. 10, n. 18, eadl2524, 2024.

MUELLER, J. T.; SANTOS-LOZADA, A. R. The 2020 US Census differential privacy method introduces disproportionate discrepancies for rural and non-white populations. Population Research and Policy Review, v. 41, n. 4, p. 1417-1430, 2022.

MURALIDHAR, K.; DOMINGO-FERRER, J.; SÁNCHEZ, D.; RUGGLES, S. Protecting vulnerable respondents: a critical analysis of the privacy-preserving methods of the 2010 and 2020 Decennial Census. Population Research and Policy Review, v. 44, n. 1, art. 8, 2025.

OFFICE FOR NATIONAL STATISTICS. Intruder testing on the 2021 Census. In: UNECE EXPERT MEETING ON STATISTICAL DATA CONFIDENTIALITY. Proceedings […]. Wiesbaden, Germany: UNECE, 2023.

RUGGLES, S.; MAGNUSON, D. L. “It’s none of their damn business”: privacy and disclosure control in the U.S. Census, 1790-2020. Population and Development Review, v. 49, n. 3, 2023.

RUGGLES, S. When privacy protection goes wrong. Journal of Economic Perspectives, v. 38, n. 2, 2024.

RUGGLES, S. The shortcomings of synthetic census microdata. PNAS, v. 122, n. 11, 2025.

SU, B.; SU, W. J.; WANG, C. The 2020 US Decennial Census is more private than you (might) think. PNAS, v. 122, n. 45, e2500337122, 2025.

U.S. CENSUS BUREAU. Decennial census of the population of Americans; proposed residence criteria and proposed regulations for demographic questions. Federal Register, v. 91, n. 174, p. 57524-57531, 2026.

U.S. DEPARTMENT OF COMMERCE. DAO 216-26 Disclosure avoidance for statistical products. 2026.

U.S. DEPARTMENT OF COMMERCE. Census Bureau. “Proposed Rules”. Federal Register, v. 91, n. 174, September 10, 2026.

WILLENBORG, L.; DE WAAL, T. Elements of statistical disclosure control. Springer, 2001.

Publicado

2026-10-22

Cómo citar

Rios-Neto, E. L. (2026). Privacidad, confidencialidad y confianza: lecciones del debate sobre los microdatos censales para el futuro de las estadísticas oficiales. Revista Brasileira De Estudos De População, 43. https://doi.org/10.20947/S0102-3098a0339

Número

Sección

Ponto de Vista