Maximisation d'utilité des données pour la préservation de confidentialité

Abstract

Aujourd'hui, de plus en plus les données du réseau social sont rendues publiquement disponibles à des fins d’analyse des données. Bien que cette analyse soit importante pour les chercheurs, il peut y avoir un risque de violation de la vie privée des utilisateurs constituant ce réseau social. La préservation de la confidentialité pour les données publiées (PCDP) étudie comment immuniser les données contre les attaques de la vie privée. L'anonymisation des données est l'une des solutions qui peuvent être utilisées pour préserver la confidentialité des données tout en assurant leurs utilisations. Dans ce travail, nous décrivons une approche fondée sur les modèles qui guide l’éditeur de données dans son processus d’anonymisation, et les algorithmes qui permettent de minimiser le risque de ré-identification tout en préservant l’utilité des données.