Vandalism in voluntereed geographic information : exploratory analysis and proposal for an automatic detection methodology
Le vandalisme de l’information géographique volontaire : analyse exploratoire et proposition d’une méthodologie de détection automatique
Résumé
The quality of Volunteered Geographic Information (VGI) is currently a topic that question spatial data users as well as authoritative data producers who are willing to exploit the benefits of crowdsourcing. Contrary to most authoritative databases, the advantage of VGI provides open access to spatial data. However, VGI is prone to errors, even to deliberate defacement perpetrated by ill-intended contributors. In the latter case, we may speak of cartographic vandalism of carto-vandalism. This phenomenon is one the main downsides of crowsdsourcing, and despite the small amount of incidents, it may be a barrier to the use of collaborative spatial data. This thesis follows an approach based on VGI quality -- in particular, the objective of this work is to detect vandalism in spatial collaborative data. First, we formalize a definition of the concept of carto-vandalism. Then, assuming that corrupted spatial data come from malicious contributors, we demonstate that qualifying contributors enables to assess the corresponding contributed data. Finally, the experiments explore the ability of learning methods to detect carto-vandalism
La qualité de l'information géographique volontaire est actuellement un sujet qui questionne autant les consommateurs de données géographiques que les producteurs de données d'autorité voulant exploiter les bienfaits de la démarche collaborative. En effet, si les données cartographiques collaboratives présentent l'intérêt d'être ouvertes, contrairement à certaines bases de données géographiques officielles, celles-ci sont néanmoins sujettes à des erreurs voire à des dégradations volontaires, provoquées par des contributeurs malintentionnés. Dans ce dernier cas, on parle de vandalisme cartographique ou de carto-vandalisme. Ce phénomène est un travers de la démarche collaborative, et bien qu'il ne concerne qu'une faible portion des contributions, il peut constituer un obstacle à l'utilisation des données cartographiques participatives. Dans une démarche de qualification de l'information géographique volontaire, ce travail de thèse a plus précisément pour objectif de détecter le vandalisme dans les données collaboratives cartographiques. Dans un premier temps, il s'agit de formaliser une définition du concept de carto-vandalisme. Puis, en partant du principe que les contributions volontairement dégradées proviennent de contributeurs malveillants, nous cherchons à démontrer que la qualification des contributeurs permettant d'évaluer leurs contributions. Enfin, nos expériences explorent la capacité des méthodes d'apprentissage machine (machine learning) à détecter le carto-vandalisme
| Origine | Version validée par le jury (STAR) |
|---|
Loading...