| Titre : | Contribution on Privacy Preserving in Big Data |
| Auteurs : | AMINE Abdelmalek, Directeur de thèse ; rahmani amine, Auteur |
| Type de document : | texte imprimé |
| Editeur : | Algèrie:unv saida-Dr Moulay Tahar, 2016-2017 |
| Format : | 167P. / 29cm |
| Accompagnement : | CD |
| Note générale : | Bibliographie |
| Langues: | Français |
| Catégories : | |
| Mots-clés: | Big Data, Utilisateurs, Vie privée, Sécurité, Datamining, Web social |
| Résumé : |
Le phénomène Big Data (Fouille de données massive) se réfère à la croissance exponentielle du volume de données disponibles sur le web. Ce nouveau concept s’est largement répandu au cours des dernières années, permettant un accès évolutif, efficace et rapide aux données partout et à tout moment, aidant ainsi la communauté scientifique et les entreprises à identi- fier les comportements les plus subtiles des utilisateurs. Cependant, le Big Data a sa part de limites en ce qui concerne les questions éthiques et les risques qui ne peuvent être ignorés, en effet de nouveaux risques en termes de respect de la vie privée commencent à peine à être perçus, parfois simplement ennuyeux, ces risques peuvent être vraiment nocifs. À moyen terme, la question de la vie privée pourrait devenir l’un des principaux obstacles à la crois- sance des solutions Big Data. C’est dans ce contexte que de nombreuses recherches sont en cours afin de renforcer la sécu- rité et surtout élaborer des mécanismes pour la protection de la vie privée des utilisateurs. Si ce domaine n’en est encore qu’à ses balbutiements, la liste des possibilités ne cesse de s’allonger. Notre travail de thèse s’inscrit dans ce cadre est a pour objet d’étudier et de mettre en œu- vre de nouvelles techniques pour la protection de la vie privée dans le contexte Big Data. Nous proposons un nouveau système qui regroupe un ensemble des approches abordant plusieurs axes de préservation de la vie privée tels que le contrôle d’accès, la modification des données et la cryptographie. Notre système baptisé "Big Data Global Privacy (BDGP)" consiste principalement à contrôler l’accès aux données partagées par les intervalles de con- fiance et de signatures numériques générées à partir des identités des utilisateurs. Ces dernières sont protégées à l’aide d’un algorithme de cryptographie homomorphe basée sur des approches génétiques. Les techniques de modification des données ont également leur part d’intérêt dans notre travail. La dé-identification est l’une des techniques abordées où nous proposons trois approches, deux pour les données textuelles à l’aide des systèmes im- munitaires artificiels et par la pondération TFIDF, et une autre conçue pour les bases de données en utilisant l’algorithme apoptotique artificiel. La perturbation d’image est une autre technique que nous exploitons en utilisant la recherche locale ré-itérée d’une part et l’algorithme artificiel des feux d’artifice d’une autre part, ainsi que la perturbation des don- nées géographiques par le biais des équations différentielles linéaires. Le système BDGP vérifie aussi les propriétés de Big Data en termes de volume, de variété et de vitesse, la pro- priété de véracité est également vérifiée dans les approches lorsque nous évaluons l’utilité des données après modification. Enfin, nous consacrons la dernière partie de cette thèse à l’évaluation des approches en ter- mes de sa construction théorique (complexité et sécurité) et des résultats expérimentaux. |
| Note de contenu : |
1-Big Data 2-Privacy Preserving 3-Contributions 4-Results and Discussion |
Exemplaires (2)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| TECT01977 | T.I.DOC00003 | Périodique | Ouvrages | 27 | Libre accès Disponible |
| TECT02002 | T.I.DOC00004 | Périodique | Ouvrages | 27 | Libre accès Disponible |
