Stefano Principato
Privacy preserving per l'analisi dei dati = Privacy preserving data analytics.
Rel. Paolo Garza. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2022
Abstract
L'epoca in cui viviamo si può considerare come "era del digitale". Dove milioni di informazioni ogni giorno viaggiano nei nostri dispositivi e nei sistemi informatici di diverse aziende. In questo continuo flusso di dati che scambiamo, capita spesso di inserire informazioni sensibili che riguardano la nostra sfera privata, come foto, video personali, indirizzi, informazioni personali riguardo al nostro stato ed altro ancora, è naturale chiedersi se questi dati sensibili che scambiamo sono veramente al sicuro quando sono salvati online o invece rischiano di essere compromessi. Questo lavoro di tesi verte sull'analisi delle varie proprietà che una collezione di dati all'interno di una base di dati debba avere per garantire sicurezza e anonimato, qualità essenziali per proteggere i dati sensibili.
Caratteristiche che garantiscono ad una collezione di dati sicurezza come la K-Anonymity o la l-diversity sono alla base del lavoro di tesi, cosi come lo sono le contromisure che si applicano per garantire integrità ed utilità delle informazioni, inoltre è anche essenziale che i dati conservino utilità, mentre sono anonimizzati
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Informazioni aggiuntive
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
