Salta al contenuto principale della pagina

DATA PROTECTION & PRIVACY

CODICE 90538
ANNO ACCADEMICO 2022/2023
CFU
  • 9 cfu al 1° anno di 10852 COMPUTER SCIENCE (LM-18) - GENOVA
  • 6 cfu al 1° anno di 11160 COMPUTER ENGINEERING (LM-32) - GENOVA
  • 6 cfu al 2° anno di 10852 COMPUTER SCIENCE (LM-18) - GENOVA
  • SETTORE SCIENTIFICO DISCIPLINARE ING-INF/05
    LINGUA Inglese
    SEDE
  • GENOVA
  • PERIODO 1° Semestre
    MATERIALE DIDATTICO AULAWEB

    PRESENTAZIONE

    Il corso introdurrà le metodologie allo stato dell'arte per l'anonimizzazione di diversi tipi di dato (database, serie di tempo, grafi, dati longitudinali e dati transazionali). Inoltre, il corso fornirà alcuni aspetti legali legati alla privacy dei dati utente.

    OBIETTIVI E CONTENUTI

    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

    DOCENTI E COMMISSIONI

    Commissione d'esame

    ALESSIO MERLO (Presidente)

    LUCA VERDERAME

    FRANCESCO PAGANO (Supplente)

    LEZIONI

    INIZIO LEZIONI

    Ottobre 2020

    Orari delle lezioni

    L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

    ESAMI

    MODALITA' D'ESAME

    Discussione orale

    MODALITA' DI ACCERTAMENTO

    Discussione di un progetto realizzato individualmente e prova orale sugli argomenti del corso