Ming Su
Privacy-Preserving Data Integration: An Analysis of Challenges and Cryptographic Strategies.
Rel. Fulvio Valenza. Politecnico di Torino, Corso di laurea magistrale in Cybersecurity, 2025
|
|
PDF (Tesi_di_laurea)
- Tesi
Accesso limitato a: Solo utenti staff fino al 12 Dicembre 2026 (data di embargo). Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (3MB) |
Abstract
La protezione della privacy nella condivisione dei dati rappresenta una delle sfide più rilevanti in settori sensibili come sanità, finanza e industria, dove è fondamentale bilanciare l’utilità dell’informazione con la riservatezza dei dati personali. In questo quadro, la capacità di elaborare dati distribuiti tra entità diverse senza violare la privacy degli utenti è essenziale per abilitare forme di collaborazione sicure ed efficaci, in linea con normative stringenti come il GDPR. Questa tesi presenta un’analisi sistematica e comparativa di due architetture crittografiche per l’integrazione dei dati in modalità privacy-preserving, utilizzando come caso di studio il protocollo di Privacy-Preserving Distributed Data Integration (PDDI).
In particolare, viene approfondita l’architettura basata su Homomorphic Encryption (HE), analizzandone i componenti chiave – Bloom Filters, crittografia threshold ECC–ElGamal e meccanismo di shuffling – e valutandone modello di sicurezza, prestazioni e scalabilità
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
Ente in cotutela
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
