Back
Texte intégral
Doctoral thesis

A Fuzzy-Based User Privacy Framework and Recommender System : Case of a Platform for Political Participation

    2018

1 ressource en ligne (133 p.)

Thèse de doctorat: Université de Fribourg, 2018

English French German When entering a new era of digital societies, a vast number of digital footprints left by users becomes a new source of the economic good. A heavy exploitation of Big data, artificial intelligence, cognitive computing, amongst others, makes the data more valuable implying that the risk to people’s privacy will be ever-increasing. Especially, when their privacy decisions are confronted with various trade-offs while using online services. Then, it becomes problematic to precisely express privacy preferences and estimate the potential risks of one’s disclosure behaviour, which might lead to an uncertainty in privacy decisionmaking. Moreover, depending on personal and contextual motives, privacy behaviour in particular situations differs from individual to individual, thus creating a personalised need for privacy. This thesis presents a privacy profile framework designed for the platform for political participation which allows both to measure the citizens’ privacy preferences and model their privacy profiles using fuzzy clustering techniques. By applying Fuzzy C-means (FCM) and Partitioning Around Medoids (PAM) algorithms, fuzzy privacy profiles are used in the architecture of privacy settings recommender system. Additionally, two user-centric evaluations were performed to estimate people’s perceptions of the privacy settings recommendations. The results demonstrated that the adoption of the privacy settings recommendations depends on the personal characteristics of citizens, as well as indicated an existence of the inconsistent privacy behaviour. Avec l’avènement d’une nouvelle ère, celle de la société numérique, les utilisateurs laissent derrière eux un grand nombre d’empreintes numériques qui constituent la source d’un nouveau bien économique. L’exploitation intensive du Big Data, de l’intelligence artificielle, de l’informatique cognitive, pour ne citer que quelques exemples, donne de la valeur aux données et en mÍme temps, augmente le risque d’atteinte à la sphère privée des individus, en particulier, lorsque les utilisateurs de services en ligne doivent faire face à des compromis dans leurs décisions touchant à la vie privée. Pour l’utilisateur, il devient alors problématique d’exprimer avec précision les préférences relevant de sa sphère privée et d’estimer les risques potentiels liés à leur divulgation, d’où l’incertitude dans la prise de décision touchant à la vie privée. En outre, dans chaque situation particulière le comportement en matière de vie privée varie d’un individu à l’autre en fonction de ses motivations personnelles et contextuelles, nécessitant ainsi la personnalisation de la sphère privée adaptée à chaque individu. Dans cette thèse, l’auteure présente un framework du profil de la sphère privée, conçu pour la plateforme de participation politique. Ce framework permet à la fois de mesurer les préférences du citoyen et de modéliser son profil relevant de sa sphère privée en utilisant les techniques de clustering flou. Par l’application des algorithmes du Fuzzy C-means (FCM) et du Partitionnement Autour des Médoïdes (PAM), les profils flous de la sphère privée sont utilisés dans l’architecture d’un système de recommandation pour la configuration des données d’ordre privé. Deux évaluations centrées sur l’utilisateur ont été réalisées pour estimer la perception des individus vis-à-vis des recommandations sur la configuration du profil de la sphère privée. Les résultats montrent que l’adoption des recommandations sur la configuration du profil de la spèhre privée dépend des caractéristiques personnelles du citoyen et révèle aussi l’existence d’un comportement incohérent en matière de sphère privée. Im Zeitalter der digitalen Gesellschaft werden die digitalen Spuren, die wir tagtäglich in grosser Zahl hinterlassen, zu einem ökonomischen Faktor. Der Einsatz von Big-Data-Methoden, künstlicher Intelligenz, Cognitive Computing usw. machen Daten noch wertvoller, womit sich auch die Risiken für die Privatsphäre laufend erhöhen. Problematisch wird es vor allem dann, wenn der Schutz der Privatsphäre im Konflikt mit der Benützung von Online-Dienstleistungen steht. In solchen Fällen wird es für die Nutzer besonders schwierig, potentielle Risiken der Freigabe von vertraulichen Daten einzuschätzen, was zu Unsicherheiten bei Datenschutz-Entscheiden führen kann. Kommt hinzu, dass das Datenschutzverhalten von persönlichen und kontextuellen Motiven abhängt und daher von Person zu Person unterschiedlich sein kann, weshalb ein personalisierten Schutz der Privatsphäre nötig wird. Die vorliegende Dissertation stellt ein Privacy Setting Framework vor, das für eine Plattform für politische Partizipation entwickelt wurde. Es ermöglicht es, die Präferenzen der Bürger bezüglich des Schutzes ihrer Privatsphäre zu schätzen und deren Datenschutzprofile mittels Fuzzy-Clustering-Methoden zu modellieren. Unter Anwendung der Algorithmen Fuzzy C-means (FCM) und Partitioning Around Medoids (PAM) werden Datenschutzprofile für die Architektur eines Systems zur Empfehlung von personalisierten Datenschutzeinstellungen verwendet. Zusätzlich werden zwei anwenderzentrierte Evaluationen durchgeführt, um die Wahrnehmung der Datenschutz Empfehlungen durch die Nutzer zu messen. Die Ergebnisse zeigen, dass die Akzeptanz von Datenschutz Empfehlungen von den persönlichen Eigenschaften des einzelnen Bürgers abhängt. Sie weisen ebenfalls auf die Existenz von inkonsistentem Verhalten der Nutzer hin, wenn es um den Schutz der eigenen Privatsphäre geht.
Faculty
Faculté des sciences et de médecine
Language
  • English
Classification
Applied sciences
Notes
  • Ressource en ligne consultée le 22.11.2018
License
License undefined
Identifiers
Persistent URL
https://folia.unifr.ch/unifr/documents/307521
Statistics
Document views: 165 File downloads:
  • KaskinaA.pdf: 60