Description du projet
Davantage de sécurité en matière de protection des données grâce à la collecte de données statistiques
Le volume des données personnelles collectées a considérablement augmenté. Au niveau des entreprises, le fait d'avoir optimisé les informations ainsi recueillies a permis d’améliorer la qualité des services fournis. Mais il subsiste certains problèmes préoccupants pour les individus en matière de protection de la vie privée. Le projet HYPATIA, financé par l’UE, contribue à développer les bases théoriques, les méthodes et les outils permettant de protéger la vie privée des individus tout en permettant la collecte et l’utilisation de leurs données à des fins statistiques. Un nouveau framework de collecte de données est également en cours de développement dans le cadre du projet. Les chercheurs prévoient d’ajouter un bruit contrôlé aux données individuelles, à des fins de protection de la vie privée, et d’appliquer des méthodes associées pour récupérer des renseignements statistiques utiles tout en garantissant la qualité du service.
Objectif
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.
Champ scientifique
Programme(s)
Thème(s)
Régime de financement
ERC-ADG - Advanced GrantInstitution d’accueil
78153 Le Chesnay Cedex
France