Show simple item record

dc.contributorForné Muñoz, Jorge
dc.contributorRebollo Monedero, David
dc.contributor.authorCasanova Colomé, Xavier
dc.contributor.otherUniversitat Politècnica de Catalunya. Departament d'Enginyeria Telemàtica
dc.date.accessioned2015-11-20T13:59:07Z
dc.date.available2015-11-20T13:59:07Z
dc.date.issued2015-07
dc.identifier.urihttp://hdl.handle.net/2117/79532
dc.descriptionEn enquestes i votacions electròniques és necessari garantir l'anonimat de les persones que hi participen, però a la vegada seria interessant poder fer un processament estadístic dels resultats (per exemple, que ha votat/opinat les persones d'una determinada franja d'edat). L'objectiu d'aquest projecte es adaptar mecanismes d'anonimat dissenyats per a bases de dades a l'entorn d'enquestes/votacions electròniques.
dc.description.abstractAbstract— Statistical disclosure control (SDC) concerns safeguarding the privacy of people and/or companies whose confidential information is released as large datasets. This data is used in statistical studies, and thus, in addition of ensuring the privacy of the individuals, the statistical dependences of the published data should be very similar to the original ones. Microaggregation, and more concretely, k-anonymous microaggregation, solves this problem with an acceptable preservation of the privacy. However, it fails in terms of execution time, since, even if for small amounts of data the required execution time is affordable, when dealing with bigger datasets the required execution time is not acceptable. This degree project report presents new algorithms that, while preserving the quality of the released information, improve the computational cost of k-anonymous microaggregation. This is done by using dimensionality-reduction techniques, which allow to decrease noticeably the execution time, and at the same time do not incur in a significant loss of statistical dependences of the information being published.
dc.description.abstractResumen — El objetivo del control de revelación estadística de microdatos es salvaguardar la privacidad de personas y/o empresas cuyos datos confidenciales se publican en forma de conjuntos de datos. Estos datos son utilizados en estudios estadísticos y, por lo tanto, además de asegurar la privacidad de las personas/empresas, las dependencias estadísticas de los datos publicados deberían ser muy similares a las de los datos originales. La microagregación, y más concretamente, la microagregación k-anonima, solventa este problema asegurando una preservación de la privacidad aceptable. Sin embargo, en términos de tiempo de ejecución, no es conveniente, ya que, aunque para conjuntos de datos no muy grandes el tiempo de ejecución es aceptable, cuando tratamos con conjuntos de datos más grandes, este tiempo incrementa hasta tal punto que hace el proceso inviable. Este informe de proyecto final de grado presenta nuevos algoritmos que, preservando la calidad de los datos publicados, mejora el coste computacional de la microagregación k-anonima. Para tal efecto se utilizan técnicas de reducción dimensional, que permiten reducir notablemente el tiempo de ejecución, y al mismo tiempo no conllevan una gran pérdida de información respecto a las dependencias estadísticas de los datos que se publican.
dc.description.abstractResum — L’objectiu del control de revelació estadística de microdades és protegir la privacitat de persones i/o empreses les dades confidencials de les quals es publiquen en forma de conjunts de dades. Aquestes dades són utilitzades en estudis estadístics i, per tant, a més d’assegurar la privacitat de les persones/empreses, les dependències estadístiques de les dades publicades haurien d’ésser molt similars a les de les dades originals. La microagregació, i més concretament, la microagregació k-anònima, solventa aquest problema assegurant una preservació de la privacitat acceptable. No obstant, en termes de temps d’execució, no és convenient, ja que, encara que per conjunts de dades no molt grans el temps d’execució és acceptable, quan tractem amb conjunts de dades més grans, aquest temps s’incrementa fins a tal punt que fa el procés inviable. Aquest informe de projecte final de grau presenta nous algoritmes que, preservant la qualitat de les dades publicades, millora el cost computacional de la microagregació k-anònima. Per a tal cosa s’utilitzen tècniques de reducció dimensional, que permeten reduir notablement el temps d’execució, i al mateix temps no comporten una gran pèrdua d’informació respecte a les dependències estadístiques de les dades que es publiquen.
dc.language.isoeng
dc.publisherUniversitat Politècnica de Catalunya
dc.rightsS'autoritza la difusió de l'obra mitjançant la llicència Creative Commons o similar 'Reconeixement-NoComercial- SenseObraDerivada'
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/
dc.subjectÀrees temàtiques de la UPC::Enginyeria de la telecomunicació
dc.subject.lcshComputer security
dc.subject.otherk-Anonymity
dc.subject.othermicroaggregation
dc.subject.otherstatistical disclosure control
dc.subject.otherstatistical dependence
dc.subject.otherdimensionality-reduction
dc.subject.otherk-Anonymity
dc.subject.othermicroaggregation
dc.subject.otherstatistical disclosure control
dc.subject.otherstatistical dependence
dc.subject.otherdimensionality-reduction
dc.subject.otherEstadística -- PFC
dc.titleComputational methods for large-scale microdata anonymization
dc.typeBachelor thesis
dc.subject.lemacSeguretat informàtica
dc.identifier.slugETSETB-230.109596
dc.rights.accessOpen Access
dc.date.updated2015-08-06T10:30:44Z
dc.audience.educationlevelGrau
dc.audience.mediatorEscola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona
dc.audience.degreeGRAU EN CIÈNCIES I TECNOLOGIES DE TELECOMUNICACIÓ (Pla 2010)


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 Spain
Except where otherwise noted, content on this work is licensed under a Creative Commons license : Attribution-NonCommercial-NoDerivs 3.0 Spain