De volgende generatie software ondersteuning voor het anonimiseren van datasets

Gegevensverzameling en -verwerking zijn in veel bedrijven een deel geworden van de kernactiviteit. Er worden voortdurend meer strategische beslissingen genomen gebaseerd op verzamelde data. Veel bedrijven kunnen voordeel halen uit het verrijken van hun modellen met gegevens van andere providers (academisch, overheid, derde partijen?...). Bovendien kan het verkopen van gegevens aan derden extra inkomsten genereren. De GDPR regelgeving, van kracht sinds mei 2018, faciliteert het uitwissel van gegevens tussen belanghebbenden, op voorwaarde dat de gegevens geanonimiseerd zijn. Verschillende overheidsinstellingen en bedrijven zijn bereid om gegevens te delen, maar hebben moeite om de juiste anonimisatie technieken toe te passen op een zodanige manier dat zowel de privacy als de resterende bruikbaarheid van de dataset voldaan is. Bestaande technieken blijven puur academisch en houden geen rekening met de specifieke use-case of doel van de gegevens. Bovendien vereist dit anonimiseringsproces veel handmatige invoer, waarvoor expertise nodig is die in de meeste bedrijven niet beschikbaar is. Het doel van dit doctoraat is het stroomlijnen van het anonimiseringsproces van datasets. Bestaande technieken en tools worden geanalyseerd en vergeleken. Er worden stappen ondernomen om het anonimiseringsproces veelzijdiger en dynamischer te maken. Automatisering wordt geïntroduceerd om de anonimisering te vereenvoudigen en tegelijkertijd de kwaliteit van de resulterende geanonimiseerde dataset te verhogen. Ten slotte beoordeeld dit doctoraat de resterende aanvalsvectoren die mogelijks zouden kunnen toegepast worden om de privacy van de geanonimiseerde dataset te doorbreken. Deze kennis wordt gebruikt om het anonimiseringsproces te verbeteren.