Opis projektu
Zwiększone bezpieczeństwo ochrony danych dzięki gromadzeniu danych statystycznych
Ilość danych osobowych gromadzonych przez różne podmioty znacząco wzrosła w ostatnich latach. Przedsiębiorstwa czerpią korzyści z gromadzenia danych, ponieważ umożliwiają im one poprawę jakości świadczonych usług, jednak osoby prywatne coraz częściej zwracają uwagę na problemy dotyczące prywatności. W ramach finansowanego przez Unię Europejską projektu HYPATIA powstają teoretyczne podstawy, metodologie i narzędzia pozwalające na ochronę prywatności osób fizycznych, przy jednoczesnym umożliwieniu gromadzenia i wykorzystywania ich danych do celów statystycznych. W ramach projektu powstają również nowe ramy gromadzenia danych. Badacze planują kontrolowaną obfuskację danych osób fizycznych w celu ochrony ich prywatności, a także zastosowanie metod pozwalających na pozyskiwanie użytecznych danych statystycznych przy jednoczesnym zapewnieniu odpowiedniej jakości usług.
Cel
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.
Program(-y)
Temat(-y)
System finansowania
ERC-ADG - Advanced GrantInstytucja przyjmująca
78153 Le Chesnay Cedex
Francja