RUB » Bibliotheksportal

Filipp Valovich

• The emerging technologies for data collection and analytics raise new challenges to the security and privacy of sensitive user data. This thesis investigates the problem of privacy-preserving data analyses in the distributed and semi-honest model. We study solutions to this problem using the cryptographic concept of Private Stream Aggregation (PSA), first introduced by Shi et al. in 2011. Moreover, we combine this concept with differential privacy, a statistical and mathematically rigorous notion for privacy in statistical databases, first introduced by Dwork et al. in 2006. By constructing proper and secure PSA schemes, the main result of the thesis proves that in the distributed model, well-established cryptographic complexity assumptions are sufficient for the feasibility of highly accurate statistical data analyses under a computational version of differential privacy.
• Die hervortretenden Technologien für das Sammeln und das Analysieren sensitiver Nutzerdaten stellen die Sicherheit und den Schutz von Privatsphäre vor neue Herausforderungen. Die vorliegende Dissertation untersucht die Problematik von Datenanalysen unter dem Schutz der Privatheit von Nutzern im verteilten und semi-vertrauenswürdigen Modell. Wir konstruieren Lösungen für diese Problematik mittels kryptographischer Methoden wie Private Stream Aggregation (PSA), eingeführt von Shi et al. im Jahre 2011. Ferner kombinieren wir diese Methodik mit Differential Privacy, einem mathematisch präzisen Konzept für Privatheit in statistischen Datenbanken, eingeführt von Dwork et al. im Jahre 2006. Wir konstruieren sichere PSA Schemata und als Hauptresultat der Dissertation zeigen wir damit, dass im verteilten Modell gängige kryptographische Komplexitätsannahmen ausreichen, um akkurate statistische Analysen unter einer berechnungstheoretischen Version von Differential Privacy durchzuführen.