Large scale privacy preserving bluetooth sensing

• Autor(es): Gonçalves, Nelson Manuel Almeida
• Data: 2012
• Identificador Persistente: http://hdl.handle.net/1822/27862
• Origem: RepositóriUM - Universidade do Minho
• Tipo de Documento: Dissertação de Mestrado
• Idioma: Inglês
• Orientador(es): Baquero, Carlos; José, Rui

Descrição

Dissertação de mestrado em Engenharia de Informática Driven by the pervasiveness of mobile devices, location based services are becoming increasingly popular. These services use information about the physical location of users, usually with commercial or informative purposes. However, and particularly for large scale scenarios, this type of services may pose a risk to the privacy of the users. By using location information either directly or indirectly (associated with other information), it is possible to expose personal information that users wish to keep private or even to uncover their identities. This may lead to the rejection of these types of technologies. There are however, non trivial ways to store information without compromising the users’ privacy. This dissertation presents two Bluetooth scenarios where stochastic summarizing techniques are used as a solution to the privacy problem. In the first scenario, Gate Counting, the goal is to provide accurate counting for the number of unique devices sighted while trying to minimize the amount of collected information. For that purpose, we provide an analysis of several stochastic counting techniques that not only provide a sufficiently accurate count for the number of unique devices, but offer privacy guarantees as well, all in a space efficient way. For the second scenario, Causality Tracking, the objective is to study human mobility patterns, also while minimizing the quantity of data gathered. For this purpose, we developed Precedence Filters, a new technique, which is able to provide accurate results regarding the popularity of specific routes without compromising the individual privacy of the users. Based on these scenarios, this dissertation demonstrates that stochastic summarizing techniques are viable means to the anonymization of location information. Motivados pelo cada vez maior número de dispositivos móveis, os serviços baseados na localização estão a tornar-se cada vez mais populares. Estes serviços utilizam informação acerca da localização física dos utilizadores, normalmente para fins comerciais ou informativos. Contudo, e particularmente para cenários de larga escala, este tipo de serviços pode constituir um risco para a privacidade dos utilizadores. Informação relacionada com localização dos utilizadores pode ser utilizada de forma direta ou indireta (associada com outra informação) para revelar informação privada acerca dos mesmos, podendo até ser suficiente para revelar as suas identidades. Este facto pode levar à rejeição deste tipo de tecnologias. Existem contudo, maneiras não triviais de guardar informação sem comprometer a privacidade dos utilizadores. Nesta dissertação, apresentamos dois cenários Bluetooth, onde o problema da privacidade é solucionado através do uso de técnicas de sumarização estocásticas. No primeiro cenário, Gate Counting, o objetivo é obter contagens precisas para o número de avistamentos de dispositivos distintos, tentando em simultâneo reduzir a quantidade de informação recolhida. Para esse efeito, fazemos uma análise a várias técnicas de contagem estocásticas que não só fornecem contagens para o número de dispositivos únicos, com uma precisão adequada, como também garantias de privacidade, tudo de uma forma eficiente em termos de espaço. Para o segundo cenário, Causality Tracking, o objetivo é estudar os padrões de mobilidade humanos, ao mesmo tempo que, também se tenta minimizar a quantidade de informação recolhida. Com este propósito, desenvolvemos os Filtros de Precedência, uma nova técnica capaz de fornecer resultados precisos sobre a popularidade de determinados percursos/caminhos específicos, sem comprometer iii iv a privacidade individual dos utilizadores. Com base nestes cenários, esta dissertação demonstra que as técnicas de sumarização estocásticas são meios viáveis para a anonimização de informação baseada na localização.