Integration of Differential Privacy Mechanism to Map-Reduce Platform for Preserving Privacy in Cloud Environments

Le cloud computing peut être désigné comme utilisant les capacités de ressources matérielles et logicielles basées sur Internet; C'est la tendance de la dernière décennie dans le monde numérique d'aujourd'hui, de plus en plus rapide. Cela a changé le monde qui nous entoure. L'utilisation du cloud est devenue une norme et les utilisateurs transfèrent leurs données vers le cloud à mesure que les données grossissent et qu'il est nécessaire d'accéder aux données à partir de nombreux appareils. Des tonnes de données sont créées chaque jour et toutes les organisations, des instituts scientifiques aux entreprises industrielles, ont pour objectif d'analyser les données et d'en extraire les schémas afin d'améliorer leurs services ou à d'autres fins. Dans l'intervalle, les sociétés d'analyse de données utilisent les informations de millions de personnes et il est de plus en plus nécessaire de garantir la protection de leurs données. Des techniques d'ingénierie sociale aux attaques techniques malveillantes, les données risquent toujours de fuir et nous devrions proposer des solutions pour protéger les données des individus. Dans cette thèse, nous présentons «Parmanix», une plateforme de protection de la confidentialité pour l'analyse de données. Il est basé sur le système MapReduce et fournit des garanties de confidentialité pour les données sensibles dans les calculs distribués sur des données sensibles. Sur cette plate-forme, les fournisseurs de données définissent la politique de sécurité de leurs données. Le fournisseur de calcul peut écrire du code Mapper non approuvé et utiliser l'un des réducteurs de confiance déjà définis dans Parmanix. Comme le système garantit une surcharge acceptable, il n'y aura aucune fuite de données individuelles lors des calculs de la plate-forme.