OBIETTIVI FORMATIVI

Gli studenti apprenderanno le basi teoriche e pratiche dell'anonimizzazione di dati personali. In particolare, gli studenti studieranno le tecniche allo stato dell'arte per l'anonimizzazione di dati multidimensionali, grafi, serie di tempo, dati longitudinali e transazionali, oltre ad alcune basi legali sulla protezione dei dati personali. 

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

• Comprendere il problema della privacy dei dati
• Imparare gli algoritmi per l'anonimizzazione dei dati allo stato dell'arte.
• Leggere e comprendere un articolo scientifico
• Implementare una tecnica di anonimizzazione autonomamente.

PREREQUISITI

• Programmazione
• Fondamenti di Algoritmi e Strutture Dati
• Basi di Algebra e Statistica

MODALITA' DIDATTICHE

Lezioni frontali e pratiche (60% - 40%) 

PROGRAMMA/CONTENUTO

• Introduzione all'anonimizzazione dei dati
• Algoritmi di anonimizzazione di:
  • dati multidimensionali: k-anonymity, l-diversity, t-cloesenss
  • grafi: k-degree anonymity
  • serie di tempo: (k,p)-anonymity
  • dati longitudinali: UGACLIP
  • dati transazionali: CAHD
• Attacchi ai dati anonimizzati: Privacy Skyline
• Privacy-preserving data mining: MASK
• Privacy-preserving Test Data Manufacturing: kb-anonymity
• Deanoinimizzazione nella rete bitcoin

TESTI/BIBLIOGRAFIA

Articoli e slide sono fornite durante il corso