Privacidad, confidencialidad y confianza: lecciones del debate sobre los microdatos censales para el futuro de las estadísticas oficiales
DOI:
https://doi.org/10.20947/S0102-3098a0339Palabras 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
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.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Revista Brasileira de Estudos de População

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los artículos publicados en Rebep son originales y están protegidos bajo la licencia de tipo atribución Creative Commons (CC-BY). Esta licencia le permite reutilizar las publicaciones en su totalidad o en parte para cualquier propósito, de forma gratuita, incluso con fines comerciales. Cualquier persona o institución puede copiar, distribuir o reutilizar el contenido, siempre que se mencione debidamente el autor y la fuente original.