Partage de données et protection de la vie privée

Data-Sharing and Data Privacy

• Auteur / Autrice : Arsème Vadèle Djeufack nanfack
• Direction : Gilles Dequen, Gael Le mahec
• Type : Projet de thèse
• Discipline(s) : Informatique-25DIN0
• Date : Inscription en doctorat le 03/10/2022
• Etablissement(s) : Amiens
• Ecole(s) doctorale(s) : École doctorale Sciences, technologie et santé (Amiens)
• Partenaire(s) de recherche : Laboratoire : Modélisation, Information et Systèmes (Amiens ; 2008-....)

Mots clés

Mots clés libres

Anonymisation de donnée

Calculs distribués

Agrégation des données

Data anonymisation

Distributed computing

Data aggregation

Résumé

Dans le cadre du projet AP.RES, l'Université de Picardie Jules Verne et ses partenaires prévoient une extension de l'usage du numérique dans tous les aspects de la vie universitaire pour leurs personnels comme pour leurs étudiants. L'utilisation de ressources numériques implique intrinsèquement la collecte de nombreuses données personnelles de ses utilisateurs (étudiants comme enseignants) : Accès aux ressources (jours/heures de connexion, cours suivis, titre et nature des ressources) Localisation de la connexion (domicile, université, BU, tiers-lieux, …) Temps passé sur chaque ressource et parcours suivi entre les ressources Notes et évaluations (évaluations, auto-évaluations, QCM d'entraînement, …) Éventuelles suspicions de fraudes/plagiat Données textuelles (devoirs, questionnaires, …) Données socio-professionnelles (catégorie socio-professionnelle des parents, lycée d'origine, situation familiale, …) Données personnelles diverses (type du terminal de connexion - téléphone, tablette, ordinateur, âge, ville/pays de naissance, navigateur web, …) Afin de protéger les usagers, la loi réglemente fortement - et heureusement - l'accès, le croisement et l'utilisation de ces données. En l'état, les données brutes ne peuvent légalement être partagées en open data. Cependant l'analyse de ces données pourrait présenter un très fort intérêt scientifique tant du point de vue sociologique que pédagogique, au delà même des établissements partenaires du projet. Pour permettre ce partage, il faut garantir la préservation de la vie privée des utilisateurs ce que ne permet pas une simple anonymisation/pseudonymisation. Les techniques du Privacy Preserving Data Publishing (PPDP) [1,2,3] permettraient de mettre à disposition de la communauté scientifique l'ensemble des données personnelles recueillies tout en donnant des garanties objectives et chiffrées du respect de la vie privée des usagers. Le k-anonymat [4] permet par exemple de protéger les utilisateurs contre la divulgation d'identité (un utilisateur ne peut être distingué d'un groupe de k utilisateurs) quand la l-diversité [5] permet de les protéger contre la divulgation d'attributs (la probabilité de déduire une information sur l'utilisateur diminue proportionnellement avec la croissance de la valeur de l) Des travaux récents au sein du laboratoire MIS [6,7,8] ont montré, que le choix des métriques de perte d'information, la conception des hiérarchies sémantiques, les stratégies de constructions et les modèles de représentation des données anonymisées permettent de construire des bases de données présentant de fortes garanties sur la protection de la vie privée tout en maintenant une précision suffisante pour les techniques de fouille et d'analyse des données (data mining, apprentissage, …)

As part of the AP.RES project, the University of Picardie Jules Verne and its partners plan to extend the use of digital technology in all aspects of university life for their staff and their students. The use of digital resources intrinsically involves the collection of a lot of personal data from its users (students and teachers): Access to resources (days/hours of connection, courses taken, title and nature of resources) Location of the connection (home, university, library, third places, etc.) Time spent on each resource and path followed between resources Notes and evaluations (evaluations, self-evaluations, training MCQs, etc.) Possible suspicions of fraud/plagiarism Textual data (homework, quizzes, ) Socio-professional data (socio-professional category of parents, school of origin, family situation, etc.) Various personal data (type of connection terminal - telephone, tablet, computer, age, city/country of birth, web browser, etc.) In order to protect users, the law strongly - and fortunately - regulates the access, cross-referencing and use of this data. As it stands, raw data cannot legally be shared as open data. However, the analysis of these data could be of very strong scientific interest both from a sociological and educational point of view, even beyond the partner establishments of the project. To allow this sharing, it is necessary to guarantee the preservation of the privacy of users, which a simple anonymization/pseudonymization does not allow. The techniques of Privacy Preserving Data Publishing (PPDP) [1,2,3] would make it possible to make available to the scientific community all the personal data collected while giving objective and quantified guarantees of respect for the privacy of users. For example, k-anonymity [4] protects users against identity disclosure (a user cannot be distinguished from a group of k users) when l-diversity [5] protects them against identity disclosure. of attributes (the probability of deducing information about the user decreases proportionally with the growth of the value of l) Recent work within the MIS laboratory [6,7,8] has shown that the choice of information loss metrics, the design of semantic hierarchies, construction strategies and models for representing anonymized data make it possible to build databases with strong guarantees on the protection of privacy while maintaining sufficient precision for data mining and analysis techniques (data mining, learning, etc.)