Volltext-Downloads (blau) und Frontdoor-Views (grau)
The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 72 of 4825
Back to Result List

Privacy-preserving data processing for real use cases

  • In the work at hand, we state that privacy and malleability of data are two aspects highly desired but not easy to associate. On the one hand, we are trying to shape data to make them usable and editable in an intelligible way, namely without losing their initial information. On the other hand, we are looking for effective privacy on data such that no external or non-authorized party could learnIn the work at hand, we state that privacy and malleability of data are two aspects highly desired but not easy to associate. On the one hand, we are trying to shape data to make them usable and editable in an intelligible way, namely without losing their initial information. On the other hand, we are looking for effective privacy on data such that no external or non-authorized party could learn about their content. In such a way, we get overlapping requirements by pursuing different goals; it is trivial to be malleable without being secure, and vice versa. We propose four “real-world” use cases identified as scenarios where these two contradictory features are required and taking place in distinct environments. These considered backgrounds consist of firstly, cloud security auditing, then privacy of mobile network users and industry 4.0 and finally, privacy of COVID-19 tracing app users. After presenting useful background material, we propose to employ multiple approaches to design solutions to solve the use cases. We combine homomorphic encryption with searchable encryption and private information retrieval protocol to build an effective construction for the could auditing use case. As a second step, we develop an algorithm to generate the appropriate parameters to use the somewhat homomorphic encryption scheme by considering correctness, performance and security of the respective application. Finally, we propose an alternative use of Bloom filter data structure by adding an HMAC function to allow an outsourced third party to perform set relations in a private manner. By analyzing the overlapping bits occurring on Bloom filters while testing the inclusiveness or disjointness of the sets, we show how these functions maintain privacy and allow operations directly computed on the data structure. Then, we show how these constructions could be applied to the four selected use cases. Our obtained solutions have been implemented and we provide promising results that validate their efficiency and thus relevancy.show moreshow less
  • In der vorliegenden Arbeit legen wir dar, dass der Schutz der Privatsphäre und die Formbarkeit von Daten zwei Aspekte sind, die hoch erwünscht, aber nicht leicht miteinander in Einklang zu bringen sind. Einerseits versuchen wir, Daten so zu gestalten, dass sie auf verständliche Art und Weise nutzbar und bearbeit- bar sind, d.h. ohne, dass sie ihre ursprüngliche Information verlieren. AndererseitsIn der vorliegenden Arbeit legen wir dar, dass der Schutz der Privatsphäre und die Formbarkeit von Daten zwei Aspekte sind, die hoch erwünscht, aber nicht leicht miteinander in Einklang zu bringen sind. Einerseits versuchen wir, Daten so zu gestalten, dass sie auf verständliche Art und Weise nutzbar und bearbeit- bar sind, d.h. ohne, dass sie ihre ursprüngliche Information verlieren. Andererseits streben wir einen effektiven Datenschutz an, damit externe oder nicht autorisierte Parteien nichts u ̈ber den Inhalt der Daten erfahren können. Diese Anforderungen überlappen sich jedoch, da sie unterschiedliche Ziele verfolgen; Formbarkeit ist ohne Sicherheit leicht zu erreichen, genauso wie Sicherheit ohne Formbarkeit. Wir schlagen vier “reale” Anwendungsfälle vor, die als Szenarien identifiziert wurden, in denen diese beiden widersprüchlichen Merkmale erforderlich sind und die in unterschiedlichen Umgebungen stattfinden. Die betrachteten Hintergründe bestehen zunächst aus der Sicherheitsüberprüfung in der Cloud, dann aus dem Datenschutz von Benutzer mobiler Netzwerke und der Indus- trie 4.0 und schließlich aus dem Datenschutz von Benutzer von COVID-19- Tracing-Anwendungen. Nach der Vorstellung nützlichen Hintergrundmaterials, schlagen wir vor, zur Lösung der Anwendungsfälle mehrere Lösungsansätze zu entwerfen. Wir kombinieren homomorphe Verschlüsselung mit durchsuchbarer Verschlüsselung und einem Protokoll zum Abrufen privater Informationen, um eine effektive Konstruktion fu ̈r den möglichen Anwendungsfall des Auditing zu erstellen. In einem zweiten Schritt entwickeln wir einen Algorithmus zur Generierung der geeigneten Parameter zur Verwendung des somewhat homomorphen Verschlüsselungsschemas unter Berücksichtigung von Korrektheit, Leistung und Sicherheit der jeweiligen Anwendung. Schließlich schlagen wir eine alternative Verwendung der Datenstruktur des Bloom-Filters vor, indem wir eine HMAC-Funktion hinzufügen, die es einer aus- gelagerten dritten Partei ermöglicht, festgelegte Beziehungen auf private Weise durchzuführen. Durch die Analyse der überlappenden Bits, die bei Bloom- Filtern auftreten, während die Inklusivität oder Disjunktheit der Sätze getestet wird, zeigen wir, wie diese Funktionen die Privatsphäre wahren und Operationen ermöglichen, die direkt auf der Datenstruktur berechnet werden. In der Folge zeigen wir, wie diese Konstruktionen auf die vier ausgewählten Anwendungsfälle angewendet werden könnten. Die von uns erhaltenen Lösungen wurden implementiert und liefern vielversprechende Ergebnisse, die ihre Effizienz und damit ihre Relevanz validieren.show moreshow less

Export metadata

Additional Services

Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Document Type:Doctoral Thesis
Zitierlink: https://opus.hs-offenburg.de/5471
Bibliografische Angaben
Title (English):Privacy-preserving data processing for real use cases
Author:Louis TajanStaff Member
Advisor:Dirk Westhoff, Jörg Keller
Referee:Frederik Armknecht
Year of Publication:2020
Date of final exam:2021/03/19
Publishing Institution:Universität Mannheim
Granting Institution:Universität Mannheim
Place of publication:Mannheim
Page Number:XLIV, 120
URN:https://urn:nbn:de:bsz:180-madoc-593544
Language:English
Inhaltliche Informationen
Institutes:Fakultät Medien und Informationswesen (M+I) (bis 21.04.2021)
Institutes:Bibliografie
DDC classes:500 Naturwissenschaften und Mathematik / 510 Mathematik
000 Allgemeines, Informatik, Informationswissenschaft / 000 Allgemeines, Wissenschaft / 004 Informatik
Tag:Data privacy; bloom filters; data malleability; data processing; homomorphic encryption; wireless sensor network
Formale Angaben
Open Access: Open Access 
Licence (German):License LogoCreative Commons - CC BY - Namensnennung 4.0 International