PRIVACIDAD DIFERENCIAL EN BASE DE DATOS DE GRAFO: MÉTRICAS DE DISTANCIA

Abstract

En la actualidad, al preguntar por información privada suele prometerse que los datos se mantendrán anónimos. Aun así, el asegurarlos es complejo, ya que requiere técnicas que realmente lo garanticen. En bases de datos relacionales existen diversas técnicas. Sin embargo, en base de datos de grafo, utilizadas en aplicaciones como redes sociales y web semántica, el estudio de dichas técnicas es todavía incipiente. En esta memoria, se estudiará la relación entre privacidad diferencial con métricas de distancia de estas bases de datos, las cuales sirven como medida para conocer qué tan segura pueden ser ante eventuales ataques, protegiendo a los usuarios.

Nowadays, when asking about private information, it’s common to guarantee that the data will remain anonymous. But securing the information it’s a complex practice, because it needs techniques to genuinely anonymize the information. Diverse techniques exists for relational datatabases. However, this techniques aren’t well researched for graph databases, used for social media and semantic web. In this research, the relation between differential privacy and distance metrics will be studied. This concepts, will ensure how secure can be the information in response of external attacks, protecting the identity of users.