Please use this identifier to cite or link to this item: doi:10.22028/D291-26646
Title: Trustworthy and privacy-preserving processing of personal information : cryptographic constructions, protocols, and tools
Other Titles: Vertrauenswürdige und privacy-erhaltende Verarbeitung von persönlichen Informationen : kryptographische Konstruktionen, Protokolle und Arbeitsmittel
Author(s): Pecina, Kim Rouven
Language: English
Year of Publication: 2015
SWD key words: Sicherheit
Informatik
Kryptologie
Datenschutz
Informationsverarbeitung
Free key words: persönliche Informationen
Vertrauen
trust
privacy
security
cryptography
personal information
DDC notations: 004 Computer science, internet
Publikation type: Dissertation
Abstract: Internet services collect lots of information that users deem highly sensitive such as the browsing history and email addresses, often without users noticing this conduct. The collected information is used for personalizing services and it is monetized, e.g., in the form of targeted advertisements. Realizing modern web services that maintain their functionality and satisfy the seemingly conflicting properties of trustworthiness and privacy is challenging: in a social network, how to enforce that only friends can post comments, if users are unwilling to reveal their identity? in online behavioral advertising, how to serve personalized ads, if users insist on keeping their interests private? In this thesis, we propose techniques for the trustworthy and privacy-preserving processing of personal information. First, we present an API for the trustworthy and privacy-preserving release of personal information. The API enables the declarative specification of distributed systems that satisfy sophisticated security properties, including authorization, anonymity, and accountability. We use this API to implement an anonymous evaluation system, anonymous webs of trust, and a secure social network. Second, we present a methodology for the trustworthy and privacy-preserving retrieval of information. We exemplify our approach by presenting ObliviAd, an architecture for online behavioral advertising that provably protects user profiles and delivers highly- personalized advertisements.
Internetservices sammeln viele von Benutzern als sensibel eingestufte Daten, z.B. den Browserverlauf und Emailadressen, oft ohne, dass Benutzer dies merken. Die gesammelten Daten werden zum Personalisieren und zum Geld machen, bspw. durch zielgerichtete Werbung, genutzt. Die funktionalitätserhaltende Umsetzung moderner Webservices, die die scheinbar unvereinbaren Eigenschaften Vertrauenswürdigkeit und Privacy erfüllen, gestaltet sich als schwierig: Wie können in sozialen Netzwerken nur Kommentare von Freunden zugelassen werden, wenn niemand seine Identität verrät? Wie ist personalisierte, zielgerichtete Werbung möglich, wenn Benutzer ihre Interessen geheim halten? In dieser Dissertation stellen wir Techniken für die vertrauenswürdige und Privacy- erhaltende Verarbeitung von persönlichen Informationen vor. Zuerst präsentieren wir eine API für die vertrauenswürdige und Privacy-erhaltende Verbreitung von persönlichen Daten. Die API erlaubt die deklarative Spezifizierung von verteilten Systemen; diese erfüllen anspruchsvolle Sicherheitseigenschaften wie Authorization, Anonymität und Accountability. Mit der API implementieren wir ein anonymes Evaluationssystem, anonyme Webs of Trust und ein sicheres soziales Netzwerk. Weiterhin stellen wir eine Methodik für das vertrauenswürdige und Privacy-erhaltende Abrufen von Informationen vor. Beispielhaft dafür präsentieren wir ObliviAd, eine Architektur für hoch personalisierte Onlinewerbung, die beweisbar Benutzerprofile schützt.
Link to this record: urn:nbn:de:bsz:291-scidok-64415
hdl:20.500.11880/26702
http://dx.doi.org/10.22028/D291-26646
Advisor: Maffei, Matteo
Date of oral examination: 10-Mar-2016
Date of registration: 18-Mar-2016
Faculty: MI - Fakultät für Mathematik und Informatik
Department: MI - Informatik
Collections:SciDok - Der Wissenschaftsserver der Universität des Saarlandes

Files for this record:
File Description SizeFormat 
diss_final_pecina.pdf4,97 MBAdobe PDFView/Open


Items in SciDok are protected by copyright, with all rights reserved, unless otherwise indicated.