Thiago Moreira da Costa - Préservation de la confidentialité dans l’internet des objets: une approche basée sur les ontologies

13:30
Vendredi
27
Jan
2017
Organisé par : 
Thiago Moreira da Costa
Intervenant : 
Thiago Moreira da Costa
Équipes : 
Information détaillée : 

 

Lieu de soutenance :
Salle 206 du bâtiment IMAG (Université Grenoble Alpes, 700, avenue centrale, 38401 Saint Martin d'Hères)

Jury de thèse :

Directeur de thèse :
Hervé MARTIN, professeur à l'Université Grenoble Alpes

Co-encadrant :
Nazim AGOULMINE, professeur à l'Université d'Évry Val-d'Ossonnes - Paris

Rapporteurs:
Maryline LAURENT, professeure à l'Institut Mines-Télécom, TELECOM Sud Paris
Karine BENNIS ZEITOUNI, professeure à l'Université de Versailles St. Quentin - Versailles

Examinateurs :
Reinaldo BEZERRA BRAGA, professeur à l'Institut Federal du Ceará - Aracati - Brésil
Didier DONZES, professeur à l'Université Grenoble Alpes

 

Résumé : 

La vulgarisation de l’informatique omniprésente à travers l’internet des objets (IdO) représente un défi pour la préservation de la vie privée et la confidentialité des individus. Les menaces contre la confidentialité sont directement liées à la capacité de détection de capteur dans l’IdO en suivant les individus dans presque toutes les situations de leur vie. Alliée à cela, les techniques d’exploration de données ont évolué et ont été utilisées pour extraire une multitude d’informations personnelles à partir de données du flux des données des capteurs. Ce modèle de confiance repose sur la fiabilité du consommateur de données pour extraire uniquement des informations accordées. Cependant, ce modèle permet l’exposition d’informations personnelles à des adversaires de la vie privée. Afin de fournir un mécanisme pour préserver la confidentialité dans l’IdO, nous proposons un modèle de capteur virtuel qui renforce une politique de confidentialité dans le flux des données des capteurs. Ce mécanisme intermédiaire se met en place entre les capteurs physiques et les consommateurs de données. En conséquence, nous sommes en mesure d’optimiser l’utilisation des techniques de préservation de confidentialité, telles qu’anonymisation, en les appliquant de manière sélective selon les intentions d’inférence des capteurs virtuelles, tout en empêchant les capteurs virtuels malveillants d’exécuter ou d’obtenir un accès direct aux données brutes des capteurs physiques. En outre, nous proposons une ontologie pour classer les informations personnelles basées sur la science du comportement (Behavior Computing), ce qui facilite la définition de la politique de confidentialité et à la classification de l’information en fonction des contextes comportementaux.