Big Data between Quality and Security
Big Data entre Qualité & Sécurité de données
Résumé
Big Data refers to new technologies and models suitable for distributed storage and processing of massive and heterogeneous data. In this context, we are interested in the study of data quality, on the one hand, and data security, on the other hand. Data quality reflects the level of reliability that can be assigned to the data. It can be quantified through many measurable dimensions such as accuracy, completeness, freshness and consistency of data. The implementation of a data quality management system generally requires a first phase of evaluation, to identify the shortcomings, followed by a second phase of improvement to correct these shortcomings. For this work, we focus on the study of the "accuracy" dimension which measures the degree to which the data represents the real world. Data security, on the other hand, has traditionally focused on three properties: confidentiality, integrity and availability of data. We are particularly interested in the study of the "confidentiality" property which consists in protecting data against unauthorized reading. For this, we focus our attention on "access control", one of the most widespread mechanisms to ensure data confidentiality. In this thesis, we highlight the conflict that can occur between data quality management processes and data security mechanisms. After giving an overview of Big Data and its technologies and presenting a state of the art on data quality and security, we present our contribution in three stages: first, we propose a framework for assessment of data accuracy, then, we expose a dynamic access control framework for collaborative and distributed environments, and finally, we show how it is possible to use a security management system to improve data quality in the Big Data context. This is a first step towards a system reconciling Quality and Security in Big Data.
Big Data fait référence à de nouvelles technologies et modèles adaptés au stockage et au traitement distribués concernant des données massives et hétérogènes. Dans ce contexte, nous nous intéressons à l’étude de la qualité de données, d’une part, et de la sécurité de données, d’autre part. La qualité de données reflète le niveau de fiabilité que l’on peut assigner aux données. Elle peut être quantifiée à travers de nombreuses dimensions mesurables telles que l’exactitude, la complétude, la fraîcheur et la cohérence de données. La mise en place d’un système de gestion de la qualité de données nécessite généralement une première phase d’évaluation, pour identifier les lacunes, suivie d’une deuxième phase d’amélioration pour corriger ces lacunes. Pour ce travail, nous nous focalisons sur l’étude de la dimension "exactitude" qui mesure le degré auquel les données représentent le monde réel. La sécurité de données, en revanche, s’est traditionnellement penchée sur trois propriétés : la confidentialité, l’intégrité et la disponibilité de données. Nous nous intéressons particulièrement à l’étude de la propriété "confidentialité" qui consiste à protéger les données contre la lecture non-autorisée. Pour cela, nous concentrons notre attention sur le "contrôle d’accès", un des mécanismes les plus répandus pour assurer la confidentialité de données. Dans cette thèse, nous mettons en avant le conflit qui peut avoir lieu entre les processus de gestion de la qualité de données et les mécanismes de sécurité de données. Après avoir donné une vue d’ensemble sur la Big Data et ses technologies et exposé un état de l’art sur la qualité et la sécurité de données, nous présentons notre contribution en trois étapes : tout d’abord, nous proposons un cadre d’évaluation de l’exactitude de données, ensuite, nous exposons un cadre de contrôle d’accès dynamique pour les environnements collaboratifs et distribués, et enfin, nous montrons comment il est possible de se servir d’un système de gestion de la sécurité de données pour améliorer la qualité de données en Big Data. Il s’agit ainsi d’une première étape vers un système réconciliant la qualité et la sécurité de données en Big Data.
Mots clés
Domaines
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |
