Skip to Main content Skip to Navigation
Theses

Personalizing Privacy Constraints in Generalization-based Anonymization Models

Axel Michel 1, 2
1 SDS - Sécurité des Données et des Systèmes
LIFO - Laboratoire d'Informatique Fondamentale d'Orléans
2 PETRUS - Personal Trusted cloud
Inria Saclay - Ile de France, DAVID - Données et algorithmes pour une ville intelligente et durable - DAVID
Résumé : Résumé : Les bénéfices engendrés par les études statistiques sur les données personnelles des individus sont nombreux, que ce soit dans le médical, l'énergie ou la gestion du trafic urbain pour n'en citer que quelques-uns. Les initiatives publiques de smart-disclosure et d'ouverture des données rendent ces études statistiques indispensables pour les institutions et industries tout autour du globe. Cependant, ces calculs peuvent exposer les données personnelles des individus, portant ainsi atteinte à leur vie privée. Les individus sont alors de plus en plus réticent à participer à des études statistiques malgré les protections garanties par les instituts. Pour retrouver la confiance des individus, il devient nécessaire de proposer des solutions de user empowerment, c'est-à-dire permettre à chaque utilisateur de contrôler les paramètres de protection des données personnelles les concernant qui sont utilisées pour des calculs. Cette thèse développe donc un nouveau concept d'anonymisation personnalisé, basé sur la généralisation de données et sur le user empowerment. En premier lieu, ce manuscrit propose une nouvelle approche mettant en avant la personnalisation des protections de la vie privée par les individus, lors de calculs d'agrégation dans une base de données. De cette façon les individus peuvent fournir des données de précision variable, en fonction de leur perception du risque. De plus, nous utilisons une architecture décentralisée basée sur du matériel sécurisé assurant ainsi les garanties de respect de la vie privée tout au long des opérations d'agrégation. En deuxième lieu, ce manuscrit étudie la personnalisations des garanties d'anonymat lors de la publication de jeux de données anonymisés. Nous proposons l'adaptation d'heuristiques existantes ainsi qu'une nouvelle approche basée sur la programmation par contraintes. Des expérimentations ont été menées pour étudier l'impact d’une telle personnalisation sur la qualité des données. Les contraintes d’anonymat ont été construites et simulées de façon réaliste en se basant sur des résultats d'études sociologiques.
Complete list of metadatas

Cited literature [101 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/tel-02269565
Contributor : Axel Michel <>
Submitted on : Friday, August 23, 2019 - 12:15:53 AM
Last modification on : Friday, March 6, 2020 - 11:42:02 AM
Document(s) archivé(s) le : Friday, January 10, 2020 - 5:20:52 AM

File

axel-michel.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : tel-02269565, version 1

Citation

Axel Michel. Personalizing Privacy Constraints in Generalization-based Anonymization Models. Cryptography and Security [cs.CR]. INSA Centre Val de Loire, 2019. English. ⟨tel-02269565⟩

Share

Metrics

Record views

218

Files downloads

181