Descrizione del progetto
Maggiore sicurezza della protezione dei dati con la raccolta di dati statistici
Il volume della raccolta di dati personali è aumentato notevolmente. Per le aziende, una migliore raccolta dei dati ha migliorato la qualità dei servizi forniti. Tuttavia, persistono allarmanti questioni relative alla privacy delle persone. Il progetto HYPATIA, finanziato dall’UE, contribuisce a sviluppare i fondamenti teorici, i metodi e gli strumenti per proteggere la privacy delle persone, consentendo nel contempo che i loro dati vengano raccolti e utilizzati a fini statistici. Nell’ambito del progetto è inoltre in fase di sviluppo una nuova struttura di raccolta dei dati. I ricercatori pianificano di aggiungere un rumore controllato ai singoli dati per la protezione della privacy e di applicare metodi correlati per recuperare informazioni statistiche utili proteggendo al contempo la qualità del servizio.
Obiettivo
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.
Programma(i)
Argomento(i)
Meccanismo di finanziamento
ERC-ADG - Advanced GrantIstituzione ospitante
78153 Le Chesnay Cedex
Francia