Análise de Dados Privada em Redes Sociais 

Categoria: Pesquisa

Justificativa: Com o uso crescente das redes sociais, a análise das interações dos usuários tornou-se crucial para compreender as dinâmicas sociais e descobrir informações valiosas em diversos domínios. No entanto, no contexto de análise de dados em redes sociais, existem preocupações inerentes à privacidade dos indivíduos, as quais exigem medidas para proteger informações sensíveis. Nos últimos anos, a privacidade diferencial tornou-se o padrão para prover privacidade na análise de dados sob fortes garantias matemáticas e baseada no princípio de indistinguibilidade. Este minicurso fornece uma visão geral dos métodos e técnicas diferencialmente privadas para proteger informações sensíveis e, simultaneamente, permitir análises significativas. Exploramos os princípios da privacidade diferencial, destacando seus mecanismos para adicionar ruído às consultas para evitar a reidentificação dos indivíduos. Além disso, investigamos as estratégias para aplicar privacidade diferencial na análise de dados em redes sociais, abrangendo a publicação de dados, a análise de grafos e tarefas de aprendizado de máquina de maneira privada. Por fim, através de exemplos e estudos de caso, concluímos este minicurso demonstrando a aplicação de mecanismos diferencialmente em diversos cenários, enfatizando a importância de encontrar um equilíbrio para preservar a privacidade sem comprometer a utilidade dos dados. 

Objetivo geral: Este minicurso possui caráter teórico e tem por objetivo apresentar os principais fundamentos, modelos e técnicas de privacidade para a análise de dados em redes sociais. O minicurso descreve detalhadamente o modelo de privacidade diferencial (PD), que consiste em uma definição formal de privacidade e tem se tornado o estado da arte na área de privacidade de dados. Abordaremos a análise de dados privada no contexto de redes sociais, que são usualmente representadas através de estruturas de grafos devido a representação de relacionamentos complexos. 

Objetivos específicos:
- Conhecer os conceitos fundamentais sobre a análise de dados em redes sociais, assim como alguns problemas inerentes à privacidade dos indivíduos, decorrentes de análises indevidas sobre os dados;
- Conhecer o modelo de privacidade diferencial, onde destacaremos as suas principais propriedades e configurações, denominadas privacidade diferencial global e privacidade diferencial local;
- Conhecer as principais variantes do modelo de privacidade diferencial para o contexto de redes sociais, a saber, edge-PD, node-PD, edge-weight-PD e attributed-PD.
- Identificar os principais tipos de análises realizadas sobre redes sociais, juntamente com as diversas técnicas de privacidade diferencial existentes para a realização dessas análises de maneira privada. 

Metodologia: A apresentação será feita de forma dialogada. Durante a apresentação, serão abordados todos os tópicos mencionados na seção de objetivos e, ao término de cada tópico, será iniciada uma discussão entre os participantes. 

Público alvo: Este minicurso será direcionado a pessoas com conhecimentos breves em probabilidade (incluindo distribuições, médias e variâncias), análise de dados e estruturas de grafos. O público alvo é composto por estudantes de graduação e pós-graduação, cientistas de dados, analistas de dados, pesquisadores, profissionais de privacidade e segurança, engenheiros de software, desenvolvedores de software e profissionais de computação com interesse em privacidade de dados e suas aplicações ou que lidam com dados sensíveis. 

Principais disciplinas envolvidas:
- Segurança da Informação

DATA/HORA

• Sáb 19/10/2024 10:00