Ομιλία 22/6 - Π. Καρράς από National University of Singapore
Posted: Mon Jun 21, 2010 9:48 am
Τίτλος:
Έρευνα στην ανωνυμοποίηση δοσοληψιών και Ενημέρωση για Μεταπτυχιακές Σπουδές
στην Σιγκαπούρη
Ημερομηνία και ώρα: Τρίτη 22/6, ώρα 4μμ
Αίθουσα: Α41
Περίληψη:
Η ομιλία θα παρουσιάσει τρέχουσα έρευνα με θέμα την ανωνυμοποίηση
δεδομένων δοσοληψιών, που θα δημοσιευθεί στο VLDB 2010. Περίληψη στα
αγγλικά ακολουθεί. Η Σιγκαπούρη είναι μια προοδευτική και φιλόξενη
νήσος-πόλη-κράτος στην Νοτιοανατολική Ασία, και το National
University of Singapore ένα πρωτοπόρο αγγλόφωνο πανεπιστήμιο. Στο
τέλος της ομιλίας θα συζητήσουμε τις ευρύτερες δυνατότητες για την
εκπόνηση μεταπτυχιακών σπουδών στο School of Computing.
Title:
ρ-uncertainty: Inference-Proof Transaction Anonymization
Abstract:
The publication of transaction data, such as market basket data,
medical records, and query logs, serves the public benefit. Mining
such data allows for the derivation of association rules that
connect certain items to others with measurable confidence. Still,
this type of data analysis poses a privacy threat; an adversary
having partial information on a personʼs behavior may confidently
associate that person to an item deemed to be sensitive. Ideally, an
anonymization of such data should lead to an inference-proof version
that prevents the association of individuals to sensitive items,
while otherwise allowing for truthful associations to be derived.
Original approaches to this problem were based on value
perturbation, damaging data integrity. Recently, value
generalization has been proposed as an alternative; still,
approaches based on it have assumed either that all items are
equally sensitive, or that some are sensitive and can be known to an
adversary only by association, while others are non-sensitive and
can be known directly. Yet in reality there is a distinction between
sensitive and non-sensitive items, but an adversary may possess
information on any of them. Most critically, no antecedent method
aims at a clear inference-proof privacy guarantee. In this paper, we
propose ρ-uncertainty, the first, to our knowledge, privacy concept
that inherently safeguards against sensitive associations without
constraining the nature of an adversaryʼs knowledge and without
falsifying data. The problem of achieving ρ-uncertainty with low
information loss is challenging because it is natural. A trivial
solution is to suppress all sensitive items. We develop more
sophisticated schemes. In a broad experimental study, we show that
the problem is solved non-trivially by a technique that combines
generalization and suppression, which also achieves favorable
results compared to a baseline perturbation-based scheme.
Ομιλητής:
Ο Παναγιώτης Καρράς είναι μεταδιδακτορικός υποτρόφος Lee Kuan Yew
στο Εθνικό Πανεπιστήμιο της Σιγκαπούρης. Έλαβε δίπλωμα Ηλεκτρολόγου
Μηχανικού και Μηχανικού Υπολογιστών ΕΜΠ και διδακτορικό στην
Επιστήμη Υπολογιστών από το Πανεπιστήμιο του Hong Kong. Το 2008
βραβεύτηκε με το Hong Kong Young Scientist Award. Στο παρελθόν έχει
εργαστεί στο Πανεπιστήμιο της Ζυρίχης και το Τεχνικό Πανεπιστήμιο
της Δανίας.
Έρευνα στην ανωνυμοποίηση δοσοληψιών και Ενημέρωση για Μεταπτυχιακές Σπουδές
στην Σιγκαπούρη
Ημερομηνία και ώρα: Τρίτη 22/6, ώρα 4μμ
Αίθουσα: Α41
Περίληψη:
Η ομιλία θα παρουσιάσει τρέχουσα έρευνα με θέμα την ανωνυμοποίηση
δεδομένων δοσοληψιών, που θα δημοσιευθεί στο VLDB 2010. Περίληψη στα
αγγλικά ακολουθεί. Η Σιγκαπούρη είναι μια προοδευτική και φιλόξενη
νήσος-πόλη-κράτος στην Νοτιοανατολική Ασία, και το National
University of Singapore ένα πρωτοπόρο αγγλόφωνο πανεπιστήμιο. Στο
τέλος της ομιλίας θα συζητήσουμε τις ευρύτερες δυνατότητες για την
εκπόνηση μεταπτυχιακών σπουδών στο School of Computing.
Title:
ρ-uncertainty: Inference-Proof Transaction Anonymization
Abstract:
The publication of transaction data, such as market basket data,
medical records, and query logs, serves the public benefit. Mining
such data allows for the derivation of association rules that
connect certain items to others with measurable confidence. Still,
this type of data analysis poses a privacy threat; an adversary
having partial information on a personʼs behavior may confidently
associate that person to an item deemed to be sensitive. Ideally, an
anonymization of such data should lead to an inference-proof version
that prevents the association of individuals to sensitive items,
while otherwise allowing for truthful associations to be derived.
Original approaches to this problem were based on value
perturbation, damaging data integrity. Recently, value
generalization has been proposed as an alternative; still,
approaches based on it have assumed either that all items are
equally sensitive, or that some are sensitive and can be known to an
adversary only by association, while others are non-sensitive and
can be known directly. Yet in reality there is a distinction between
sensitive and non-sensitive items, but an adversary may possess
information on any of them. Most critically, no antecedent method
aims at a clear inference-proof privacy guarantee. In this paper, we
propose ρ-uncertainty, the first, to our knowledge, privacy concept
that inherently safeguards against sensitive associations without
constraining the nature of an adversaryʼs knowledge and without
falsifying data. The problem of achieving ρ-uncertainty with low
information loss is challenging because it is natural. A trivial
solution is to suppress all sensitive items. We develop more
sophisticated schemes. In a broad experimental study, we show that
the problem is solved non-trivially by a technique that combines
generalization and suppression, which also achieves favorable
results compared to a baseline perturbation-based scheme.
Ομιλητής:
Ο Παναγιώτης Καρράς είναι μεταδιδακτορικός υποτρόφος Lee Kuan Yew
στο Εθνικό Πανεπιστήμιο της Σιγκαπούρης. Έλαβε δίπλωμα Ηλεκτρολόγου
Μηχανικού και Μηχανικού Υπολογιστών ΕΜΠ και διδακτορικό στην
Επιστήμη Υπολογιστών από το Πανεπιστήμιο του Hong Kong. Το 2008
βραβεύτηκε με το Hong Kong Young Scientist Award. Στο παρελθόν έχει
εργαστεί στο Πανεπιστήμιο της Ζυρίχης και το Τεχνικό Πανεπιστήμιο
της Δανίας.
