37. Alice veut partager des documents avec Bob, d’une façon #simple,
#sécurisée, avec un fort niveau de #privacy.
#simplicity
#simplicity #privacy
#security #privacy
#simplicity #security #privacy
39. 3
9
Objectif : un partage simple, sécurisé, respectueux de la vie privée,
permettant la synchronisation de documents, et l’expression de
règles puissantes
57. Dossiers personnels transverses
• Données individuelles de nature diverse
–Traces de géo-localisation, conso. électrique, exposition au bruit…
–Données admin., sociales, de santé, historique d’achats, d’interactions…
• Nouveaux usages
–Recherches personnelles, dans l’ensemble de l’écosystème personnel
–Croisements de données quantify-self, comparaison (énergie, discr. tarifaire)
–Extraction d’information transverse support à la dissémination contrôlée, nudges
• Offerts par le Web personnel, mais controversés en centralisé
–Visées monopolistiques des acteurs du marché de la donnée personnelle
–Procédés controversés : sur-collecte, croisements à la source (cookies…), appariement de
données de différent silos (proche de la dé-anonymisation)
• Challenges scientifiques
–Garanties tangibles de sécurité, besoin de modèles de partage, contrôle d’usage…
–Données hétérogènes : documents, historiques, flux, etc,
57
58. Calculs globaux et anonymes à grande
échelle
• Statistiques, épidémiologiques, Big Data, Data Mining, …
–Seuls les résultats sont révélés, mais pas les données de base
• Approches techniques
–Calculer en centralisant => risque de perte du bénéfice escompté
–Calculer sans centraliser => difficile dans un contexte général (SMC)
–Mais largement facilité grâce au matériel sûr (SMIS)
•1) Collecte des données de base utiles (chiffrées) sur une infrastructure de support
•2) Distribution du traitement sur les serveurs personnels (aide du matériel sécurisé)
•3) Délivrance du résultat en clair au requérant
–Ni l’infrastructure, ni les participants n’apprennent les données de base
• Exemples de calculs possibles à grande échelle (millions)
–Agrégats SQL, traitements Big Data, Map Reduce, SPARK,
–Data Mining (règles d’associations, classification, regroupement, …)
58