Software Tools for Privacy Control in Publication of Cyber-Physical Data

Jens Hjort Schwee

Publikation: AfhandlingPh.d.-afhandling

Abstract

Udviklingen af prisbillige Internet of Things (IoT)-sensorer har gjort det muligt at overvage adskillige aspekter af det menneskelige liv. Disse sensorer bliver blandt andet brugt af cyber-fysiske systemer som input til kontrolsystemer. En sadan klasse af cyber-fysiske systemer bruges til at kontrollere smarte bygninger. Sensor infrastrukturen bruges til at optimere bade energieffektiviteten og komforten for brugerne af disse bygninger. Nyligt arbejde indenfor smarte bygninger bruger de
indsamlede data til at udvikle og implementere datadrevne metoder til yderligere optimeringer. Bygningens ejere kan have interesse i at dele nogle af de indsamlede sensordata med eksterne aktører, der opererer i bygningen, eller som abne data. Dette gør det muligt for disse aktører at udvikle og træne deres egne datadrevne metoder og herved optimere egen drift. Data delingsprocessen er reguleret i en række love og regulativer, herunder den Europæiske Unions General Data Protection Regulation (GDPR). For at identificere de potentielle privatlivs
implikationer ved at dele dataene, bør en organisation udføre en privatlivs risikoanalyse, der identificerer risici for bade de overv ˚ agede og organisationen. Opgaven med at identificere alle de relaterede privatlivs implikationer er dog, grundet fremskridt indenfor samkørsels- og korrelation omraderne, særdeles udfordrende. Udfra resultaterne af privatlivs risikoanalysen bør organisationen anvende passende databeskyttelse, før dataene kan deles. I denne Ph. D.-afhandling udforsker vi flere aspekter af data delingsprocessen. Vi har gennemført en undersøgelse, der identificerer problemomrader i, hvordan ˚ State-of-thePractice (SoP)-metoder bruges til at beskytte smarte bygnings datasæt.
Vi fandt, at metoderne ikke i tilstrækkelig grad kunne beskytte det udforskede datasæt. Vi bidrager desuden til tilgængeligheden af abne data, ved at dele et smart bygnings datasæt. Vi har skabt en ontologi, der forbedrer mulighederne for modellering af privatlivs relaterede risici for og angreb mod datasæt. Ligeledes sænkede afhandlingen, ved at konstruere semi-automatiske værktøjer, det niveauet af viden der er nødvendigt for at identificere privatlivs relaterede risici for et specifikt datasæt. De udviklede værktøjer bruger viden fra State-of-the-Art (SoA) metoder til at identificere mulighederne for bade samkørsel og
korrelation. Værktøjet tager højde for typen af data, den rumlig og tid granulariteten af datasættet til identifikation af risici. Desuden har vi designet og evalueret en data beskyttelses metode, der kan anvendes til data pa zone-niveau med et begrænset antal af hver sensor. Denne Ph. D.-afhandling bidrager med værktøjer, der reducerer den mængde af information, der er nødvendig for at udføre analyser for privatlivs risiko og bidrager dermed til bedre databeskyttelse af datasæts og sikker deling.
OriginalsprogEngelsk
Bevilgende institution
  • Syddansk Universitet
Vejledere/rådgivere
  • Kjærgaard, Mikkel Baun, Hovedvejleder
  • Johansen, Aslak, Bivejleder
  • Hviid, Jakob, Bivejleder
Udgiver
DOI
StatusUdgivet - 15. mar. 2022

Note vedr. afhandling

Afhandlingen kan lånes på SDUs bibliotek.

Fingeraftryk

Dyk ned i forskningsemnerne om 'Software Tools for Privacy Control in Publication of Cyber-Physical Data'. Sammen danner de et unikt fingeraftryk.
  • Ontology-Based Modeling of Privacy Vulnerabilities for Data Sharing

    Schwee, J. H., Sangogboye, F. C., Johansen, A. & Kjærgaard, M. B., mar. 2020, Privacy and Identity Management. Data for Better Living: AI and Privacy. Friedewald, M., Önen, M., Lievens, E., Krenn, S. & Fricker, S. (red.). Springer, Bind 576. s. 109-125 (IFIP Advances in Information and Communication Technology).

    Publikation: Kapitel i bog/rapport/konference-proceedingKonferencebidrag i proceedingsForskningpeer review

    Åben adgang
    Fil
    82 Downloads (Pure)
  • Tool-chain for supporting Privacy Risk Assessments

    Schwee, J. H., Sangogboye, F. C., Salim, F. D. & Kjærgaard, M. B., 18. nov. 2020, BuildSys 2020 - Proceedings of the 7th ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation. Virtual Event, Japan: Association for Computing Machinery, s. 140–149

    Publikation: Kapitel i bog/rapport/konference-proceedingKonferencebidrag i proceedingsForskningpeer review

    Fil
    210 Downloads (Pure)
  • Anonymizing Building Data for Data Analytics in Cross-Organizational Settings

    Schwee, J. H., Sangogboye, F. C. & Kjærgaard, M. B., 15. apr. 2019, IoTDI '19 Proceedings of the International Conference on Internet of Things Design and Implementation. Association for Computing Machinery, s. 1-12

    Publikation: Kapitel i bog/rapport/konference-proceedingKonferencebidrag i proceedingsForskningpeer review

Citationsformater