Um mecanismo para recomendação de algoritmos de anonimização de dados baseado no perfil dos dados para ambientes IoT

  • Flávio S. Neves UFPE
  • Vinicius Cardoso Garcia UFPE
  • Michel Sales Bonfim UFC

Resumo


Apesar dos grandes desafios relacionados à privacidade dos dados, a Internet das Coisas (IoT) continua em franca ascensão. Existem inúmeros dispositivos espalhados por vários locais, tais como, casas inteligentes, carros inteligentes, locais públicos, bem como, dispositivos que as pessoas usam em seu corpo, por exemplo, smartwatches. Parte dessas pessoas usam esses dispositivos sem saber das suas reais capacidades e potencialidades. Assim sendo, o problema que permeia esta pesquisa é: não foi identificado na literatura uma solução para privacidade de dados baseada em anonimização que seja adaptável para vários ambientes de uso da IoT. Diante disto, objetivou-se com esta pesquisa a proposição de uma solução que possa recomendar qual o algoritmo de anonimização de dados é mais adequado para um conjunto de dados de acordo com suas características, e que consiga aprender conforme analisa os dados. Para a condução e a execução desta pesquisa foi escolhido como método principal o Design Science Research (DSR) que é uma abordagem que tem duplo objetivo: (i) desenvolver um artefato para resolver um problema prático num contexto específico e (ii) gerar novos conhecimentos técnicos e científicos. As principais contribuições desta pesquisa serão: (i) a solução proposta; (ii) criação dos critérios para escolha de algoritmos de anonimização baseado nas características dos dados; (iii) uma ontologia para dar suporte a recomendação baseada na lógica de descrição; (iv) modelo de aprendizagem para atualizar a base de conhecimento da ontologia à medida que analisa novos dados; e (v) o método para a avaliação da solução proposta. Os resultados da Revisão Sistemática da Literatura (RSL) podem ser considerados contribuições para a comunidade científica, pois nela são apresentadas as principais técnicas de anonimização usadas atualmente para fornecer privacidade em IoT, bem como os pontos positivos e negativos de cada uma.

Palavras-chave: Anonimização, segurança, privacidade, Internet da Coisas, Dados Pessoais

Referências

Alghamdi, A. and Shetty, S. (2016). Survey toward a smart campus using the internet of things. In 2016 IEEE 4th international conference on future internet of things and cloud (FiCloud), pages 235–239. IEEE.

Almeida, M. B. and Bax, M. P. (2003). An overview about ontologies: survey about definitions, types, applications, evaluation and building methods. Ciência da Informação, 32(3):7–20.

Anderson, C. (2015). Creating a data-driven organization: Practical advice from the trenches. ”O’Reilly Media, Inc.”.

Berrehili, F. Z. and Belmekki, A. (2016). Privacy preservation in the internet of things. In International Symposium on Ubiquitous Networking, pages 163–175. Springer.

Borgia, E. (2014). The internet of things vision: Key features, applications and open issues. Computer Communications, 54:1–31.

BORST, W. N. (2006). Construction of engineering ontologies. 1997. 243 f. PhD thesis, Tese (Doutorado).–University of Twente, Enschede, 1997. Disponível em:¡ http . . . .

Davoli, L., Protskaya, Y., and Veltri, L. (2017). An anonymization protocol for the internet of things. In 2017 International Symposium on Wireless Communication Systems (ISWCS), pages 459–464. IEEE.

Deng, A. and Shi, X. (2016). Data-driven metric development for online controlled experiments: Seven lessons learned. In Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pages 77–86.

Du, S., Meng, F., and Gao, B. (2016). Research on the application system of smart campus In 2016 8th International Conference on Information in the context of smart city. Technology in Medicine and Education (ITME), pages 714–718. IEEE.

Elkhodr, M., Shahrestani, S., and Cheung, H. (2012). A review of mobile location priIn 2012 Tenth International Conference on ICT and vacy in the internet of things. Knowledge Engineering, pages 266–272. IEEE.

Espíndola, R. and Ebecken, N. (2005). On extending f-measure and g-mean metrics to multi-class problems. WIT Transactions on Information and Communication Technologies, 35.

Haradat, K., Ohnot, Y., Nakamurat, Y., and Nishit, H. (2018). Anonymization method based on sparse coding for power usage data. In 2018 IEEE 16th International Conference on Industrial Informatics (INDIN), pages 571–576. IEEE.

Hossain, I., Das, D., and Rashed, M. G. (2019). Internet of things based model for smart campus: Challenges and limitations. In 2019 International Conference on Computer, Communication, Chemical, Materials and Electronic Engineering (IC4ME2), pages 1–4. IEEE.

Kompella, K. (2015). A guide to a/b testing tools.

Li, C. and Palanisamy, B. (2019). Reversible spatio-temporal perturbation for protecting location privacy. Computer Communications, 135:16–27.

Liao, D., Sun, G., Li, H., Yu, H., and Chang, V. (2017). The framework and algorithm for preserving user trajectory while using location-based services in iot-cloud systems. Cluster Computing, 20(3):2283–2297.

Lim, Y.-s., Srivatsa, M., Chakraborty, S., and Taylor, I. (2018). Learning light-weight edge-deployable privacy models. In 2018 IEEE International Conference on Big Data (Big Data), pages 1290–1295. IEEE.

Liu, Y.-N., Wang, Y.-P., Wang, X.-F., Xia, Z., and Xu, J.-F. (2019). Privacy-preserving raw data collection without a trusted authority for iot. Computer Networks, 148:340– 348.

Martins, R. F. d. V. (2016). Sistema de Recomendação de Tutoriais. PhD thesis.

Nayahi, J. J. V. and Kavitha, V. (2017). Privacy and utility preserving data clustering for data anonymization and distribution on hadoop. Future Generation Computer Systems, 74:393–408.

Otgonbayar, A., Pervez, Z., and Dahal, K. (2016). Toward anonymizing iot data streams via partitioning. In 2016 IEEE 13th International conference on mobile ad hoc and sensor systems (MASS), pages 331–336. IEEE.

Pimentel, M., Filippo, D., and Santos, T. M. (2020). Design science research: pesquisa científica atrelada ao design de artefatos. RE@ D-Revista de Educação a Distância e Elearning, 3(1):37–61.

Rodriguez-Garcia, M., Cifredo-Chacón, M.-á., and Quirós-Olozábal, Á. (2020). Cooperative privacy-preserving data collection protocol based on delocalized-record chains. IEEE Access, 8:180738–180749.

Samani, A., Ghenniwa, H. H., and Wahaishi, A. (2015). Privacy in internet of things: A model and protection framework. In ANT/SEIT, pages 606–613.

Santos, B. P., Silva, L., Celes, C., Borges, J. B., Neto, B. S. P., Vieira, M. A. M., Vieira, L. F. M., Goussevskaia, O. N., and Loureiro, A. (2016). Internet das coisas: da teoriaa prática. Minicursos SBRC-Simpósio Brasileiro de Redes de Computadores e Sistemas Distribudos, 31.

Sastra, N. P. and Wiharta, D. M. (2016). Environmental monitoring as an iot application in building smart campus of universitas udayana. In 2016 International Conference on Smart Green Technology in Electrical and Information Systems (ICSGTEIS), pages 85–88. IEEE.

Takbiri, N., Li, K., Pishro-Nik, H., and Goeckel, D. L. (2018). Statistical matching in the presence of anonymization and obfuscation: Non-asymptotic results in the discrete case. In 2018 52nd Annual Conference on Information Sciences and Systems (CISS), pages 1–6. IEEE.

Ullah, I. and Shah, M. A. (2016). A novel model for preserving location privacy in internet of things. In 2016 22nd International conference on automation and computing (ICAC), pages 542–547. IEEE.
Publicado
27/09/2021
Como Citar

Selecione um Formato
NEVES, Flávio S.; GARCIA, Vinicius Cardoso; BONFIM, Michel Sales. Um mecanismo para recomendação de algoritmos de anonimização de dados baseado no perfil dos dados para ambientes IoT. In: WORKSHOP DE TESES E DISSERTAÇÕES (WTDSOFT) - CONGRESSO BRASILEIRO DE SOFTWARE: TEORIA E PRÁTICA (CBSOFT), 12. , 2021, Joinville. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021 . p. 10-18. DOI: https://doi.org/10.5753/cbsoft_estendido.2021.17286.