Privacidad en Big Data

¿A que nos referimos con big data?

Privacidad  y seguridad

• Privacidad => Uso y gestion de datos
• Seguridad => Proteger de ataques maliciosos

Diferencias

Requisitos para seguridad en big data

• Especificacion de las politicas de privacidad de gestion de acceso a los datos
• Auditores para hacer cumplir estas politicas
• Integracion de los auditores con plataformas de analisis de destino.

Mejoramiento de plataformas en big data

Examinacion de las areas ETL ( extraccion, transformacion y carga)

• Pre-validacion del proceso handoop
• Mapeo
• Validacion del proceso ETL
• Informes de pruebas

Big data en la fase de generacion de datos

• Restriccion de acceso
• Falsificacion de datos

Herramientas de falsificacion de datos

• SocketPoppet
• Enmascarar identidad

Big data en la fase de almacenamiento de datos

• Confidencialidad
• Integridad
• Disponibilidad

Ejemplo de almacenamiento en la nube

Enfoques para guardar la privacidad del usuario cuando almacena los datos en la nube:

• Cifrado de control de acceso
• Cifrado homomorphic
• Nubes hibridas

Verificacion la integridad de los datos

De-identification

Es el tratamiento de datos personales que resulta en una información que no pueda asociarse a la persona identificada o identificable.

Re-identification

Componentes de riesgo

Métodos para preservar la privacidad

K-anonymity

Complejidad computacional

O(k log k)

NP-Completo

"Dados unos datos estructurados con campos específicos personales, ¿cómo poder asegurar con garantía científica, que en una nueva versión modificada de estos datos no se puedan re-identificar los individuos a los que se refieren, a la vez que los datos sigan siendo útiles en la práctica?."

Técnicas

• Supresión
• Generalización

L-Diversity

Complejidad computacional O(n²/k)

Se dice que una clase de equivalencia tiene l-diversidad si hay por lo menos valores "bien representados" para el atributo sensible. Se dice que una tabla tiene l-diversidad si cada clase de equivalencia de la tabla tiene l-diversidad.

T-Closeness

Complejidad computacional 2^(O(n)*O(m))

Se dice que una clase de equivalencia tiene t-proximidad si la distancia entre la distribución de un atributo sensible en esta clase y la distribución del atributo en toda la tabla no es más que un umbral t. Se dice que una tabla tiene t-proximidad si todas las clases de equivalencia tienen t-cercanía.

HybrEx

Es un modelo para la confidencialidad y privacidad en computación en la nube. Utiliza nubes públicas únicamente para datos insensibles  y nubes privadas para datos sensibles.