UNIVERSITÁ DEGLI STUDI DI PISA
Facoltà di Scienze Matematiche, Fisiche e Naturali
Corso di Laurea Specialistica in Informatica
Tesi di laurea
Protezione della privacy e prevenzione della
discriminazione nel data mining
Candidato:
Michela Corda
Relatore:
Franco Turini
Indice
Introduzione
3
I.1 Organizzazione della tesi ………..……….. 7
1 Il Data Mining 9
1.1 KDD e Data Mining ………... 9
1.2 Inferenza sui dati ……….. 16
1.3 Tecniche di data mining e altre definizioni utili ……….. 19
1.3.1 Regole di associazione ……….. 22
1.3.1.1 Itemset frequenti ………...………… 29
1.3.2 Regole di sequenza ………..………. 33
1.3.3 Classificazione e Regressione …………..……….... 35
1.3.4 Clustering ………..………... 40
2 Privacy e Discriminazione nel Data Mining 45
2.1 La privacy nel data mining ………... 45
2.2 Definizione di privacy e sua violazione ………... 48
2.3 Privacy Preserving Data Mining ……….. 51
2.3.1 Intensional Knowledge Hiding ………...….. 59
2.3.2 Extensional Knowledge Hiding ……… 60
2.3.3 Distributed Extensional Knowledge Hiding ………. 61
2.3.4 Secure Intensional Knowledge Sharing ……… 63
2.4 Data Mining e discriminazione ……….... 64 2.5 Classificazione degli algoritmi per il privacy preserving data mining … 66
3 Protezione della Privacy nel Data Mining 70
3.1 Data mining rispettoso della privacy ………...……... 70 3.2 Fase di Detection nel primo modello: attributi sensibili e non; Quasi-identifier ..………... 73 3.3 Fase di sanitization: tecniche per ripulire i dati ……… 77 3.4 K-anonimity protection ………...………. 80
3.4.1 Fase di sanitization: tecniche per ottenere il k-anonimato (Generalizzazione e Soppressione) ………... 82 3.4.2 Classificazione delle tecniche per ottenere il k-anonimato …….. 91 3.4.3 Altre tecniche per ottenere il k-anonimato (microaggregazione) . 97 3.4.4 Critica al k-anonymity protection: proprietà del k-anonimato p-sensibile o l-diversità ……….. 101 3.5 Detection e Sanitization nel secondo modello: k-anonimous patterns ... 109
4 Prevenzione della Discriminazione nel Data Mining 122
4.1 Il problema della discriminazione ……….. 122 4.1.1 La discriminazione e le leggi vigenti ……….. 125 4.2 Definizioni e teoremi utili nella ricerca delle regole discriminanti …… 133