Dissertação

Big Data Privacy by Design Computation Platform EVALUATED

Vivemos na era das grandes quantidades de dados (Big Data). Os dados pessoais dos utilizadores, em particular, são necessários para o desenvolvimento, funcionamento e melhoria constante de serviços disponíveis na Internet, nomeadamente o Google, Facebook, WhatsApp, Spotify, entre tantos outros. Muitas vezes, a recolha e o uso dos dados pessoais não são explícitos para os utilizadores, embora a sua utilização seja central para o modelo de negócios das empresas. No entanto, o direito à privacidade de cada indivíduo tem de ser respeitado. De que forma podem estas duas necessidades conflituantes ser reconciliadas, ou seja, como podemos construir sistemas de Big Data que respeitem a privacidade do utilizador? O objectivo deste trabalho é desenhar e implementar uma “prova de conceito” de uma plataforma para realizar computações que preservem a privacidade dos utilizadores. Pretende-se disponibilizar um método de simples utilização para a implementação de técnicas de preservação da privacidade. Este sistema pode ser utilizado para encapsular algoritmos que permitam, por exemplo, monitorizar os sinais vitais dos pacientes (sem os expor a outras pessoas), produzir recomendações em tempo real com base na localização (mas sem a divulgação da mesma). Assim, esta “prova de conceito” implementa versões de algoritmos de aprendizagem automática que preservam a privacidade, e fornece um referencial que permite uma melhor compreensão das relações e benefícios criados com o uso de técnicas de preservação de privacidade.
Preservação de Privacidade em Computações, Aprendizagem Automática, Extração de Dados, Grandes Quantidades de Dados, Processamento de Dados, Computação Multi-Entidade Segura

Junho 7, 2018, 13:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Miguel Filipe Leitão Pardal

Departamento de Engenharia Informática (DEI)

Professor Auxiliar

ORIENTADOR

José Miguel Ladeira Portêlo

Altran Portugal

R&D Project Manager