Ζητήματα ιδιωτικότητας σε δεδομένα θέσης και τροχιάς

Καρακωνσταντής, Ιωάννης; Karakonstantis, Ioannis

dc.contributor.author	Καρακωνσταντής, Ιωάννης	el
dc.contributor.author	Karakonstantis, Ioannis	en
dc.date.accessioned	2020-04-03T08:36:49Z
dc.date.available	2020-04-03T08:36:49Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/50051
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.17749
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Γεωπληροφορική”	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Ανθρώπινες τροχιές	el
dc.subject	Δεδομένα θέσης	el
dc.subject	Ιδιωτικότητα	el
dc.subject	Location based services	en
dc.subject	Human trajectories	en
dc.title	Ζητήματα ιδιωτικότητας σε δεδομένα θέσης και τροχιάς	el
heal.type	masterThesis
heal.classification	Γεωπληροφορική	el
heal.language	el
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2019-10-30
heal.abstract	Η διαρκώς αυξανόμενη χρήση υπηρεσιών που βασίζονται στην τοποθεσία του χρήστη (Location Based Services - LBS) οδηγεί τις υπηρεσίες αυτές να συλλέγουν και να επεξεργάζονται μεγάλα σύνολα δεδομένων που περιέχουν δεδομένα από ανθρώπινες τροχιές. Αναπόφευκτα, δημιουργείται το ερώτημα κατά πόσο ένας χρήστης μπορεί να εμπιστευθεί τα προσωπικά δεδομένα του (όπως τα δεδομένα της τροχιάς του) σε υπηρεσίες οι οποίες προσφέρουν την δυνατότητα σε τρίτους να επεξεργαστούν τα δεδομένα των χρηστών τους (πχ για λόγους μελέτης της καταναλωτικής συμπεριφοράς). Η εργασία παρουσιάζει, συγκρίνει και αναλύει ορισμένες από τις τεχνικές απόκρυψης της ακριβούς τροχιάς του χρήστη, χωρίς να επηρεάζεται η ποιότητα των δεδομένων που αποστέλλονται στο LBS. Επίσης, η εργασία ασχολείται με τεχνικές ανωνυμοποίησης ανθρώπινων τροχιών από σύνολα δεδομένων που πρόκειται να δημοσιευθούν σε ανοικτές πηγές.	el
heal.abstract	Location Based Services (LBS) gain lot of popularity nowadays, which leads them having access to tremendous amounts of user data. In order to serve user needs they have to process sensitive data like human trajectories. It’s obvious that LBS can process collected user data or share them with third parties in order to profit from them. Typically, user data can be used for personalized marketing or to improve the user’s experience level provided by the LBS. Most of users are deeply concerned about their privacy but they are also relying on LBS for their everyday activities. This thesis deals with that problem: how to highlight the potential of techniques applied in literature that can hide user’s true location from LBS while the user can receive the same quality of service she / he would receive if she / he was sharing her / his true location.	en
heal.advisorName	Κόκλα, Μαργαρίτα	el
heal.committeeMemberName	Κόκλα, Μαργαρίτα	el
heal.committeeMemberName	Κάβουρας, Μαρίνος	el
heal.committeeMemberName	Μήτρου, Νικόλαος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	92 σ.	el
heal.fullTextAvailability	false