Data Privacy in the Semantic Web of Things - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2023

Data Privacy in the Semantic Web of Things

Confidentialité des Données dans le Web Sémantique des Objets

Résumé

Personal data are increasingly disseminated over the Web through mobile devices and smart environments, and are exploited for developing more and more sophisticated services and applications. All these advances come with serious risks for privacy breaches that may reveal private information wanted to remain undisclosed by data producers. It is therefore of utmost importance to help the data producers in identifying privacy risks raised by the requests of service providers for utility purposes.In this thesis, we approach the problem of utility-aware privacy preservation in the setting of applications where service providers request collecting data from data producers in order to perform aggregate data analytics for optimization or recommendation purposes. First, we handle the temporal aspect in the definition of privacy and utility by expressing privacy and utility queries as temporal aggregated conjunctive queries. Taking into account the temporal aspect for privacy protection is very important since many applications handle dynamic data (e.g., electrical consumption, time series, mobility data) for which temporal data are considered sensitive and aggregates on time are important for data analytics. Then we, formalize privacy risks by privacy queries expressed (and kept secret) by each data producer to specify the data they do not want to disclose and develop a formal framework for detecting privacy risks. In our formal framework, we provide the characterization of privacy risks solely based on the query expressions and thus independent of the data.We extend the formal framework by taking into account ontological knowledge, which helps the data producers in understanding the detected privacy risks through the explanations constructed for each detected privacy risk. Moreover, our framework also provides several options for modifying the utility queries in order to remove the detected privacy risks and these modified utility queries can be sent to the service providers as a basis for negotiation.In this thesis, we also develop an interactive user-friendly interface on top of the implementation of the formal data-independent framework. It helps the data producers in managing the tension between the privacy risks and the utility of the data they accept to publish. It provides a user-friendly environment for detecting and understanding the privacy risks and facilitates in modifying the utility queries to remove the detected privacy risks. To evaluate the practical usability and effectiveness of the interface, a user study is conducted that focuses on a smart meter scenario inspired by a real-world use case.
Les données personnelles sont de plus en plus diffusées sur le web par l'intermédiaire d'appareils mobiles et d'environnements intelligents, et sont exploitées pour développer des services et des applications de plus en plus sophistiqués. Toutes ces avancées s'accompagnent de risques sérieux d'atteintes à la vie privée qui peuvent révéler des informations privées que les producteurs de données souhaitaient ne pas divulguer. Il est donc de la plus haute importance d'aider les producteurs de données à identifier les risques d'atteinte à la vie privée soulevés par les demandes des fournisseurs de services à des fins utilitaires.Dans cette thèse, nous abordons le problème de la préservation de la vie privée en fonction de l'utilité dans le cadre d'applications où les fournisseurs de services demandent la collecte de données auprès des producteurs de données afin d'effectuer des analyses de données agrégées à des fins d'optimisation ou de recommandation. Tout d'abord, nous traitons l'aspect temporel dans la définition de la vie privée et de l'utilité en exprimant les requêtes de vie privée et d'utilité sous forme de requêtes conjonctives agrégées temporelles. La prise en compte de l'aspect temporel pour la protection de la vie privée est très importante car de nombreuses applications traitent des données dynamiques (par exemple, la consommation d'électricité, les séries chronologiques, les données de mobilité) pour lesquelles les données temporelles sont considérées comme sensibles et les agrégats temporels sont importants pour l'analyse des données. Ensuite, nous formalisons les risques d'atteinte à la vie privée par des demandes exprimées (et gardées secrètes) par chaque producteur de données pour spécifier les données qu'il ne souhaite pas divulguer et nous développons un cadre formel pour détecter les risques d'atteinte à la vie privée. Dans notre cadre formel, nous fournissons la caractérisation des risques pour la vie privée uniquement sur la base des expressions de requête et donc indépendamment des données.Nous étendons le cadre formel en prenant en compte les connaissances ontologiques, qui aident les producteurs de données à comprendre les risques détectés pour la vie privée grâce aux explications élaborées pour chaque risque détecté. En outre, notre cadre fournit également plusieurs options pour modifier les requêtes d'utilité afin d'éliminer les risques de confidentialité détectés et ces requêtes d'utilité modifiées peuvent être envoyées aux fournisseurs de services comme base de négociation.Dans cette thèse, nous développons également une interface interactive conviviale au-dessus de la mise en œuvre du cadre formel indépendant des données.Elle aide les producteurs de données à gérer la tension entre les risques pour la vie privée et l'utilité des données qu'ils acceptent de publier.Il fournit un environnement convivial pour détecter et comprendre les risques pour la vie privée et facilite la modification des requêtes d'utilité pour éliminer les risques détectés pour la vie privée. Pour évaluer la facilité d'utilisation pratique et l'efficacité de l'interface, une étude utilisateur est menée sur un scénario de compteur intelligent inspiré d'un cas d'utilisation réel.
Fichier principal
Vignette du fichier
ASGHAR_2023_diffusion.pdf (2.21 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04650289 , version 1 (16-07-2024)

Identifiants

  • HAL Id : tel-04650289 , version 1

Citer

Hira Asghar. Data Privacy in the Semantic Web of Things. Artificial Intelligence [cs.AI]. Université Grenoble Alpes [2020-..], 2023. English. ⟨NNT : 2023GRALM085⟩. ⟨tel-04650289⟩
0 Consultations
0 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More