Km-ανωνυμοποίηση Συλλογών Δεδομένων Με Συνεχή Γνωρίσματα

Abstract

Πολλοί οργανισμοί, επιχειρήσεις ή δημόσιοι φορείς συλλέγουν και διαχειρίζονται προσωπικά δεδομένα από διάφορους χρήστες, τα οποία μπορούν να δημοσιεύσουν ή να διανέμουν για ερευνητικούς σκοπούς και στατιστικές μελέτες. Η διανομή και χρήση αυτών των δεδομένων μπορεί βλάψει την ιδιωτικότητα των ατόμων, αφήνοντας εκτεθειμένα ευαίσθητα προσωπικά στοιχεία.Για την προστασία της ιδιωτικότητας των δεδομένων, έχουν προταθεί διάφορες τεχνικές οι οποίες εφαρμόζουν αλγόριθμους ανωνυμοποίησης στα δεδομένα. Η εφαρμογή όμως τέτοιων αλγορίθμων συνεπάγεται απώλεια πληροφορίας. Η ανωνυμοποίηση θα πρέπει να τηρεί τις εγγυήσεις για την προστασία της ευαίσθητης πληροφορίας, χωρίς ταυτόχρονα να καθιστά τα δεδομένα άχρηστα για στατιστική μελέτη.Η παρούσα διπλωματική εργασία ασχολείται με τη διασφάλιση της ιδιωτικότητας σε συλλογές δεδομένων μέσω της km-ανωνυμίας. H εγγύηση αυτή, εξασφαλίζει ότι η βάση δεδομένων είναι k-ανώνυμη όταν ο επιτιθέμενος γνωρίζει έως και m τιμές από το σύνολο του ψευδο-αναγνωριστικού μιας εγγραφής. Εστιάζει σε σύνολα δεδομένων όπου τα διάφορα γνωρίσματα λαμβάνουν τιμές από ένα κοινό συνεχές πεδίο τιμών.Ο αλγόριθμος που προτείνεται υλοποιεί την km-ανωνυμοποίηση του συνόλου δεδομένων, εκμεταλλευόμενος τις ιδιότητες των συνεχών γνωρισμάτων του συνόλου. Επιτυγχάνει χωρίς την χρήση κάποιας ιεραρχίας γενίκευσης τη διατήρηση περισσότερης πληροφορίας στα δημοσιευμένα δεδομένα.