Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/30200
Title in Portuguese: Uma abordagem de privacidade diferencial para consultas sobre dados RDF no contexto de redes sociais.
Title: A differentially private approach for querying RDF data of social networks
Author: Castro e Silva, Rôney Reis de
Advisor(s): Machado, Javam de Castro
Co-advisor(s): Vidal, Vânia Maria Ponte
Keywords: Preservação de privacidade
Redes sociais
Dados ligados
Resource Description Framework (RDF)
Privacidade diferencial
Issue Date: 2017
Citation: CASTRO E SILVA, R. R. de (2017)
Abstract in Portuguese: Em Dados Ligados, informações são representadas por meio da linguagem RDF (Resource Description Framework). Uma declaração em RDF consiste de três elementos (uma tripla): sujeito, predicado e objeto. Triplas RDF tomadas em conjunto formam um grafo cujos nós representam recursos e cujas arestas representam propriedades. Em redes sociais, os dados sobre as pessoas e suas relações são potencialmente sensíveis e devem ser tratadas com cuidado, a fim de preservar a privacidade. Simplesmente tornar os dados anônimos, ou seja, mascarar os elementos de identificação, através da anonimização do grafo ou disponibilizar apenas resultados agregados para análises podem não proporcionar proteção suficiente. Neste trabalho, investigamos uma garantia de privacidade forte conhecida como Privacidade Diferencial e como usá-la no contexto de Dados Ligados. Usando a Privacidade Diferencial, propomos uma nova abordagem para garantir a preservação da privacidade em consultas estatísticas para Dados Ligados representados em RDF, cujos os indivíduos e as suas relações influenciam diretamente no resultado da consulta sobre o grafo. Usando técnicas de percorrimento de grafos, demonstramos experimentalmente que a abordagem desenvolvida garante a Privacidade Diferencial. Também desenvolvemos uma estrutura de dados pré-processada, baseada em índices de banco de dados, que permite o cálculo da sensibilidade, uma das entradas para a Privacidade Diferencial, para consultas estatísticas sobre um grafo RDF qualquer. Concluímos analisando a precisão da nossa abordagem através de experimentos com dados reais de redes sociais, avaliando nossas métricas de utilidade dos dados e de tempo de execução. Os resultados comprovam a viabilidade das contribuições para esse espectro de consultas ainda pouco explorado na literatura.
Abstract: As the amount of collected information in RDF format grows, the development of solutions for privacy of individuals, their attributes and relationships with others become a more important subject of study. However, privacy solutions are not well suitable for this specific type of data, because they usually do not consider relationships between individuals, which are crucial to semantic data and social networks. Although differential privacy is the most suitable technique for statistical queries, there is still work to be done in this context. This paper presents two main contributions for privacy preserving statistic queries with a relationship as a filter. The first one describes a complete approach to apply ε-differential privacy for linked data and the second one presents an auxiliary data structure and algorithms to efficiently compute parameters for the differential privacy mechanism, i.e. the query’s actual value and sensitivity of the data for the given query. We conclude by evaluating our contributions, in real data, presenting utility analysis considering different values of ε as well as performance analysis of our data structure and algorithms.
Description: CASTRO E SILVA, Rôney Reis de. Uma abordagem de privacidade diferencial para consultas sobre dados RDF no contexto de redes sociais. 2017. 78 f. Dissertação (Mestrado em Ciência da Computação)-Universidade Federal do Ceará, Fortaleza, 2017.
URI: http://www.repositorio.ufc.br/handle/riufc/30200
metadata.dc.type: Dissertação
Appears in Collections:DCOMP - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2017_dis_rrcsilva.pdf1,06 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.