Dissertação

{en_GB=Privacy Guarantees in Geolocation Services} {} EVALUATED

{pt=Actualmente, muitas pessoas usam serviços baseados em localização (LBS) para obterem informações por exemplo: o restaurante mais próximo, podendo publicar uma recomendação na rede social sobre esse local tornando-se útil para todos. O conteúdo de um LBS é uma mina de ouro para as empresas, porque com isso elas podem aprender, usando técnicas de pattern mining, os lugares favoritos, trajetórias frequentes dos utilizadores, etc. expondo a localização da residência ou qualquer outro tipo de informação privada, o que levanta preocupações sobre a privacidade da localização. É um desafio criar um mecanismo capaz de ter um excelente equilíbrio entre a proteção da privacidade e a utilidade dos dados contra ataques, tais como ataque de inferência probabilística, ataque com conhecimento, etc. O mecanismo de anonimização AdaTrace parece ter a robustez para lidar com esse desafio. Assim e com a ajuda das componentes do AdaTrace e da nossa ferramenta que identifica as melhores áreas de risco num mapa para expor pontos de um caminho que considere importante e que também contem um método que distribui privacidade (ruido) nos segmentos da trajetória. Tudo isto, permite publicar conteúdo com mais utilidade com uma componente de anonimização significativa para evitar que se descubram pistas, através de locais que as pessoas tenham passado ao longo do caminho e no qual permita compreender informações pessoais sabendo que tipo de pessoa se trata, por exemplo: alguém com mobilidade reduzida escolhe um percurso sem escadas., en=Nowadays a lot of people use location-based services (LBS) to get information for example: the nearest restaurant, allowing to post a recommendation on the social network about that place making it useful for everyone. That type of content inside of a LBS is a gold mine for companies because with that they can learn, using pattern mining techniques, favorite places, frequent user trajectories, etc. exposing home location or any other type of private detail, which raises concerns about location privacy. It is a challenge to create a mechanism capable of having an excellent balance between privacy protection and utility of the data against attacks (e.g. probabilistic inference attack, background attack, etc.). The anonymization mechanism AdaTrace seems to have the robustness to handle that challenge. So, with the help of AdaTrace components and our tool that identifies the best risk areas on the map to expose points of a trajectory that are consider as important and it also has a method that distributes privacy (noise) across the sub-paths of the trajectory. All of this allows to publish content that is more useful with a significant anonymization component to prevent them from discovering clues, through places that people have passed along the trajectory, where one can discover personal information knowing what kind of person is, for example, someone with reduced mobility chooses a route without stairs.}
{pt=Serviços baseados em localização, privacidade na localização, utilidade, trajectórias, en=location-based services, location privacy, utility, trajectories}

Novembro 18, 2019, 10:45

Orientação

ORIENTADOR

Pedro Miguel dos Santos Alves Madeira Adão

Departamento de Engenharia Informática (DEI)

Professor Auxiliar