Projektbeschreibung
Verbesserter Datenschutz dank statistischer Datenerhebung
Die Anzahl von Erhebungen personenbezogener Daten ist jüngst erheblich gewachsen. Für Unternehmen hat die verbesserte Datenerhebung zu einer höheren Qualität der erbrachten Dienste geführt. Leider gibt es jedoch für Einzelpersonen nach wie vor alarmierende Datenschutzprobleme. Das EU-finanzierte Projekt HYPATIA trägt zur Entwicklung der theoretischen Grundlagen, Methoden und Instrumente bei, damit die Privatsphäre von Einzelpersonen geschützt werden kann, während ihre Daten gleichzeitig für statistische Zwecke erhoben und genutzt werden können. Im Laufe des Projekts wird ebenfalls ein neues Rahmenwerk der Datenerhebung entwickelt. Die Forschenden planen kontrolliertes Rauschen in bestimmte Daten einzubringen, um den Datenschutz zu gewährleisten, und verwandte Methoden anzuwenden, um nützliche statistische Informationen zu gewinnen, während gleichzeitig die Dienstleistungsqualität beibehalten wird.
Ziel
With the ever-increasing use of internet-connected devices, such as computers, smart grids, IoT appliances and GPS-enabled equipments, personal data are collected in larger and larger amounts, and then stored and manipulated for the most diverse purposes. Undeniably, the big-data technology provides enormous benefits to industry, individuals and society, ranging from improving business strategies and boosting quality of service to enhancing scientific progress. On the other hand, however, the collection and manipulation of personal data raises alarming privacy issues. Both the experts and the population at large are becoming increasingly aware of the risks, due to the repeated cases of violations and leaks that keep hitting the headlines. The objective of this project is to develop the theoretical foundations, methods and tools to protect the privacy of the individuals while letting their data to be collected and used for statistical purposes. We aim in particular at developing mechanisms that: (1) can be applied and controlled directly by the user, thus avoiding the need of a trusted party, (2) are robust with respect to combination of information from different sources, and (3) provide an optimal trade-off between privacy and utility. We intend to pursue these goals by developing a new framework for privacy based on the addition of controlled noise to individual data, and associated methods to recover the useful statistical information, and to protect the quality of service.
Wissenschaftliches Gebiet
Programm/Programme
Thema/Themen
Finanzierungsplan
ERC-ADG - Advanced GrantGastgebende Einrichtung
78153 Le Chesnay Cedex
Frankreich