Analisi e sviluppo di algoritmi per il Privacy-Preserving Data Mining

Performing data analysis pursuing users' privacy is an increasing important issue. As data become more detailed, and as technology enables even more powerful collection of these data, the need of a robust, mathematically rigorous definition applicable to different backgrounds increases. Differential Privacy is such a definition. In this thesis, the notion of Differential Privacy is applied to Data Mining, specifically to classification. Using the Weka library, several classification algorithms are developed and compared, outlining their peculiarities.

Effettuare analisi dei dati rispettando la privacy degli utenti è un problema di interesse crescente. Mentre i dati sugli individui acquistano maggior dettaglio, e la tecnologia ne permette una miglior raccolta, la necessità di una nozione di privacy robusta, matematicamente rigorosa ed applicabile in vari contesti aumenta. La Differential Privacy persegue tali obiettivi. In questa tesi, la nozione di Differential Privacy è stata applicata al Data Mining, specificatamente al contesto della classificazione. Mediante l'utilizzo della libreria Weka, sono stati sviluppati vari algoritmi di classificazione che verranno confrontati ed analizzati, descrivendone le loro peculiarità.