The continuous release of data, while contributing to the growth and development of today's society, has generated an ever-increasing amount of personal information. These data are often not supported by an adequate privacy system, making them easy to breach. In the first section of the thesis, examples of weaknesses in protection systems are presented, followed by an illustration of a data protection technique that has developed in recent years: differential privacy. This model is based on the addition of an error type, which can guarantee efficient data protection, while maintaining an adequate degree of accuracy of the result. The aim of this thesis is to provide some strategies to anonymise information through differential privacy, in order to guarantee its free circulation. This method will be treated using theoretical tools with a mathematical/statistical/Bayesian approach and a following practical application.

Il continuo rilascio di dati, pur contribuendo alla crescita e allo sviluppo della società di oggi, ha generato una sempre maggiore diffusione di informazioni personali. Tali dati spesso non sono supportati da un sistema di privacy adeguato, comportando una facile violazione degli stessi. Nella prima sezione della tesi vengono presentati alcuni esempi di debolezza dei sistemi di protezione e successivamente viene illustrata una tecnica di protezione dei dati che ha preso piede negli ultimi anni: la privacy differenziale. Tale modello si basa sull’aggiunta di un tipo di errore, in grado di garantire un’efficiente protezione dei dati, pur mantenendo un adeguato grado di accuratezza del risultato. L’obiettivo di questa tesi è quello di fornire alcune strategie per rendere anonime le informazioni attraverso la privacy differenziale, al fine di garantirne una libera circolazione. Il metodo in questione verrà trattato attraverso strumenti teorici con un approccio matematico/statistico/bayesiano e con una successiva applicazione pratica.

The protection of personal data: a theoretical approach via differential privacy

FERRARI, SOFIA
2021/2022

Abstract

The continuous release of data, while contributing to the growth and development of today's society, has generated an ever-increasing amount of personal information. These data are often not supported by an adequate privacy system, making them easy to breach. In the first section of the thesis, examples of weaknesses in protection systems are presented, followed by an illustration of a data protection technique that has developed in recent years: differential privacy. This model is based on the addition of an error type, which can guarantee efficient data protection, while maintaining an adequate degree of accuracy of the result. The aim of this thesis is to provide some strategies to anonymise information through differential privacy, in order to guarantee its free circulation. This method will be treated using theoretical tools with a mathematical/statistical/Bayesian approach and a following practical application.
2021
The protection of personal data: a theoretical approach via differential privacy
Il continuo rilascio di dati, pur contribuendo alla crescita e allo sviluppo della società di oggi, ha generato una sempre maggiore diffusione di informazioni personali. Tali dati spesso non sono supportati da un sistema di privacy adeguato, comportando una facile violazione degli stessi. Nella prima sezione della tesi vengono presentati alcuni esempi di debolezza dei sistemi di protezione e successivamente viene illustrata una tecnica di protezione dei dati che ha preso piede negli ultimi anni: la privacy differenziale. Tale modello si basa sull’aggiunta di un tipo di errore, in grado di garantire un’efficiente protezione dei dati, pur mantenendo un adeguato grado di accuratezza del risultato. L’obiettivo di questa tesi è quello di fornire alcune strategie per rendere anonime le informazioni attraverso la privacy differenziale, al fine di garantirne una libera circolazione. Il metodo in questione verrà trattato attraverso strumenti teorici con un approccio matematico/statistico/bayesiano e con una successiva applicazione pratica.
Dati
Protezione
Privacy
Errore
File in questo prodotto:
File Dimensione Formato  
Ferrari_Sofia.pdf

accesso aperto

Dimensione 1.62 MB
Formato Adobe PDF
1.62 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/38815