•
•
•
Source: Facebook.com
±
14
•
•
•
Pub. cibléeProfils
Res. sociauxPhotos
MailBanques
Achats
Capteurs
Localisation
Dissémination
contrôlée
Calculs globaux
ano...
https://demo.cozycloud.cc/
https://cozy.io/fr/
24
o
o
o
25
26
Dad says you are
spying on us.
He is not your dad
•
•
•
•
•
•
•
•
•
•
•
3
1
3
2
Cloud
Serveur
Personneldata
Secure
HW
C
33
A
Source : Wikipedia
Source : Twitter
Alice veut partager des documents avec Bob, d’une façon #simple,
#sécurisée, avec un fort niveau de #privacy.
#simplicity
...
3
8
3
9
Objectif : un partage simple, sécurisé, respectueux de la vie privée,
permettant la synchronisation de documents, et l...
4
0
•
•
•
•
•
•
Decentralized ecosystem needs
interoperability !
@paultranvan
@MyCozyCloud
https://cozy.io
contact@cozycloud.cc
https://project.inria.fr/smis/
paul@cozycloud.cc
Source : claybennett.com
•
•
•
Source : http://leaksource.info
•
•
•
•
•
•
•
•
•
•
•
•
Back
up
Back
up
•
•
•
•
•
•
•
•
•
o
o
•
•
•
•
•
•
•
•
•
•
•
•
o
o
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
Dossiers personnels transverses
• Données individuelles de nature diverse
–Traces de géo-localisation, conso. électrique, ...
Calculs globaux et anonymes à grande
échelle
• Statistiques, épidémiologiques, Big Data, Data Mining, …
–Seuls les résulta...
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
#NSD15 - Partage sécurisé en P2P entre cloud personnels
Prochain SlideShare
Chargement dans…5
×

#NSD15 - Partage sécurisé en P2P entre cloud personnels

746 vues

Publié le

Toutes les informations sur http://www.netsecure-day.fr/nsd15

Publié dans : Technologie
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
746
Sur SlideShare
0
Issues des intégrations
0
Intégrations
29
Actions
Partages
0
Téléchargements
0
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

#NSD15 - Partage sécurisé en P2P entre cloud personnels

  1. 1. • • •
  2. 2. Source: Facebook.com
  3. 3. ±
  4. 4. 14
  5. 5. • • •
  6. 6. Pub. cibléeProfils Res. sociauxPhotos MailBanques Achats Capteurs Localisation Dissémination contrôlée Calculs globaux anonymes et participatifs Analyses croisées Auto-évaluation
  7. 7. https://demo.cozycloud.cc/ https://cozy.io/fr/
  8. 8. 24 o o o
  9. 9. 25
  10. 10. 26 Dad says you are spying on us. He is not your dad
  11. 11. • • • •
  12. 12. • • • • • • •
  13. 13. 3 1
  14. 14. 3 2
  15. 15. Cloud Serveur Personneldata Secure HW C 33 A
  16. 16. Source : Wikipedia Source : Twitter
  17. 17. 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
  18. 18. 3 8
  19. 19. 3 9 Objectif : un partage simple, sécurisé, respectueux de la vie privée, permettant la synchronisation de documents, et l’expression de règles puissantes
  20. 20. 4 0 • • • • • •
  21. 21. Decentralized ecosystem needs interoperability !
  22. 22. @paultranvan @MyCozyCloud https://cozy.io contact@cozycloud.cc https://project.inria.fr/smis/ paul@cozycloud.cc
  23. 23. Source : claybennett.com
  24. 24. • • • Source : http://leaksource.info
  25. 25. • • • • • • •
  26. 26. • • • • •
  27. 27. Back up Back up • • • • • • • • • o o
  28. 28. • • • •
  29. 29. • • •
  30. 30. • • • •
  31. 31. • o o • • • • •
  32. 32. • • • • • • •
  33. 33. • • •
  34. 34. 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
  35. 35. 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

×