CIPQ - Creating a Common Interface for Privacy Preserving Queries in Pervasive Computing
Author
Andersen, Mads Schaarup
Term
4. term
Education
Publication year
2007
Abstract
Dette speciale udvikler et fælles interface til privatlivsbevarende forespørgsler i pervasiv computing (it indlejret i hverdagens enheder og tjenester). Det bygger på en enkel klient‑server‑arkitektur og er designet med fleksibilitet, sikkerhed, nøjagtighed og håndterbar kompleksitet for øje. Interfacet lader klienten angive et minimum for et tilsløret område for at sløre den præcise position samt en øvre kommunikationsgrænse pr. forespørgsel. Under dette interface implementeres to udskiftelige løsninger: Grid‑metoden, der bruger en data‑uafhængig datastruktur, og Quadtree‑metoden, der bruger en data‑afhængig datastruktur. Det muliggør en direkte sammenligning af fordele og ulemper ved data‑afhængighed på serveren. Specialet diskuterer også, hvordan k‑anonymitet kan tilføjes, så hver bruger skjules blandt mindst k andre. Metoderne testes på et datasæt fra virkeligheden og på syntetiske data med en uniform fordeling og flere Zipf‑fordelinger. Overordnet set klarer Grid‑metoden sig bedst i de fleste tilfælde, men det kan skyldes en forenklet designbeslutning.
This thesis develops a common interface for privacy‑preserving queries in pervasive computing (everyday connected devices and services). It uses a simple client–server setup and is designed for flexibility, security, accuracy, and manageable complexity. The interface lets a client set a minimum cloaked area to blur an exact location and a per‑query limit on communication. Two interchangeable solutions fit this interface: the Grid Method, which uses a data‑independent structure, and the Quadtree Method, which uses a data‑dependent structure. This allows a direct comparison of the pros and cons of server‑side data dependence. The thesis also discusses how to add k‑anonymity, which hides each user among at least k others. The methods are tested on a real‑world dataset and on synthetic data with a uniform distribution and several Zipf distributions. Overall, the Grid Method performs best in most cases, although this may be due to a simplifying design decision.
[This abstract was generated with the help of AI]
Documents