Perspex

Forskningsprojekt, 2019 – 2022

Populärvetenskaplig beskrivning

Delar vi med oss av mer information blir de tjänster vi använder bättre, men delar vi mindre har vi större möjlighet att skydda information vi vill hålla privat. Denna motsättning syns överallt i dagens IT-värld: läkare behöver detaljerad information för att ställa diagnos, men vi vill inte ge försäkringsbolag samma tillgång; e-handelsföretag använder information från dina sociala medier-profiler för att visa sådant som matchar dina intressen, men samma information kan också användas för att räkna ut hur du kan tänkas rösta, och hur du bäst kan påverkas av politiska kampanjer.

Ett sätt att hantera denna motsättning är att tillåta att övergripande information beräknas över många användare, men utan att detaljer kan utrönas om någon enskild individ. Detta projekt kommer bygga vidare på nyligen gjorda framsteg kring skydd av privat information, som hanterar denna avvägning. Metoden i fråga kallas "differential privacy" - skydd av privat information baserat på variationer över en datamängd - och dess mål är att

ge användbara, men övergripande, resultat ur användardata i stort, utan att ge specifik information om någon enskild individ. I projektet kommer nya tekniker utvecklas, tekniker som inte bara kan ge skydd åt privat information, utan också ger (i) möjlighet för användare att justera hur och när skyddet används, samt (ii) möjlighet för en användares enhet att oberoende säkerställa att användarens data används i enlighet med den policy som angivits för skydd av privat information. Blir detta projekt framgångsrikt kommer det att leda till helt nya metoder för att analysera säkerheten hos applikationer för vilka skydd av privat information är nödvändigt.

English project title: Perspex: Flexible and Transparent Local Differential Privacy

See English version for the scientific abstract