Abstrait

Détection et prévention des fuites dans les ensembles de données anonymisées

Sandeep Varma Nadimpalli et Valli Kumari Vatsavayi

Avec la diffusion généralisée des technologies modernes, la diffusion de données personnelles spécifiques a augmenté rapidement, ce qui a conduit à une préoccupation mondiale pour la préservation de la vie privée d'un individu. Plusieurs principes tels que le k-anonymat, la l-diversité, etc., ont été proposés pour protéger les informations personnelles spécifiques lors de la publication des données. Cependant, la présence de dépendances dans un ensemble de données anonymisées peut identifier l'individu en raison de la nature hypothétique de l'adversaire/attaquant. Cet article montre comment la présence de ces dépendances entre les quasi-identifiants (QI), les attributs sensibles (S) et également entre les attributs QI et S peut conduire à l'identification potentielle d'un individu à l'aide de réseaux bayésiens. Une solution Break-Merge (BM) a été proposée à la volée pour réduire la nature inférée de l'attaquant sur les données sensibles. Les expérimentations montrent l'efficacité des approches proposées.