Confidentialité différentielle pour les espaces métriques : modèles théoriques de l'information pour la confidentialité et l'utilité avec de nouvelles applications aux domaines métriques

Differential privacy for metric spaces : information-theoretic models for privacy and utility with new applications to metric domains

• Auteur / Autrice : Natasha Fernandes
• Direction : Catuscia Palamidessi, Annabelle Mciver
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 28/05/2021
• Etablissement(s) : Institut polytechnique de Paris en cotutelle avec Macquarie University (Sydney, Australie)
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : établissement opérateur d'inscription : École polytechnique (Palaiseau, Essonne ; 1795-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique de l'École polytechnique (Palaiseau ; 1988-....)
• Jury : Président / Présidente : Steve Kremer
• Jury : Examinateurs / Examinatrices : Catuscia Palamidessi, Annabelle Mciver, Marco Gaboardi, Joshua Guttman, Michele Boreale, Giovanni Cherubin, David Baelde
• Jury : Rapporteurs / Rapporteuses : Marco Gaboardi, Joshua Guttman, Michele Boreale

Mots clés

Mots clés contrôlés

Protection de l'information (informatique)

Cryptographie

Information, Théorie de l'

Mots clés libres

Confidentialité différentielle

Théorie de l'information

“Privacy” et “utility”

Differential Privacy

Information Theory

Privacy-Utility Trade-Off

Résumé

La "differential privacy", introduite par Dwork et al. en 2006, est devenue la référence en matière de protection de la vie privée dans les ensembles de données statistiques. Malgré sa popularité généralisée, son utilisation dans d'autres domaines a été relativement limitée. Dans cette thèse, nous explorons une généralisation de la "differential privacy" pour les domaines métriques appelés d-privacy. Notre approche intègre un cadre théorique de l'information pour analyser les flux d'informations, ce qui nous permet de fournir une caractérisation structurelle de la d-privacy et d'analyser ses propriétés de confidentialité et d'utilité. En utilisant l'analyse des flux d'informations, nous examinons l'ordre de fuite des canaux induit par le paramètre de confidentialité epsilon, nous trouvons une nouvelle caractérisation des mécanismes optimaux, étendant les résultats existants dans le domaine de l'optimalité universelle, et nous réexaminons le compromis privacy-utility pour flux de l'information dans un contexte "oblivious" et local. Enfin, nous démontrons l'applicabilité de la d-privacy à des domaines nouveaux et complexes avec des exemples d'applications dans la confidentialité des documents texte, l'utilité statistique et la recherche confidentielle des nearest neighbours.

Differential privacy, introduced by Dwork et al. in 2006, has become the benchmark for data privacy in statistical datasets. Despite its widespread popularity, its use in other domains has been relatively limited. In this thesis, we explore a generalisation of differential privacy for metric domains known as d-privacy. Our approach incorporates an information-theoretic framework for analysing information flows, which allows us to provide a structural characterisation of d-privacy and analyse its privacy and utility properties. Using information flow analysis we examine the leakage order of channels induced by the privacy parameter epsilon, we find a new characterisation for optimal mechanisms, extending existing results in the area of universal optimality, and we re-examine the privacy-utility trade-off for oblivious and local differential privacy workflows. Finally, we demonstrate the applicability of d-privacy to novel and complex domains with example applications in text document privacy, statistical utility and private nearest neighbour search.