Aplica privacidad diferencial a un modelo de scoring para una banca IBEX-35

Recibirás un dataset anonimizado de 800.000 solicitudes de crédito y un baseline (red neuronal entrenada normalmente). Implementa DP-SGD con Opacus sobre PyTorch para tres presupuestos de privacidad (ε = 1, 3, 10 con δ = 1e-5). Mide AUC, recall@10%FPR y compara contra el baseline. Documenta el cálculo del presupuesto (privacy accountant) y explica las garantías para el DPO. El éxito es un Pareto de privacidad/calidad defendible y un informe que el DPO firme.