Évaluation du respect de la vie privée lors de l'ouverture de données de MTL-Trajet
Notice bibliographique
Résumé
De plus en plus de villes mettent à disposition des citoyens des ensembles de données dans le cadre du mouvement d’ouverture de données (ex : données de transport, de finances publiques, de contagion des sols, etc.). Ces données permettent, entre autres, la libre concurrence, la reddition de compte des gouvernements ou encore favorisent l’innovation. Cependant, lorsque ces données contiennent des informations personnelles, elles posent un risque pour les individus concernés. En particulier, les données de mobilité, qui fleurissent sur les portails ouverts des villes nord-américaines, en sont un très bon exemple. En effet, depuis une décennie, de nombreux travaux ont montré qu’elles sont très riches en informations personnelles tout en étant difficiles à anonymiser. L’ouverture de données de mobilité est alors un enjeu pour la vie privée et l’utilité des données. Du fait que les données sont publiques, il est difficile de connaitre à l’avance l’utilisation finale qui va en être faite et donc souvent les villes privilégient une approche où l’utilité est maximisée. Cependant, une forte utilité s’accompagne souvent d’un faible niveau de protection en termes de vie privée. Ce compromis, lorsqu’exposé dans le cadre des données ouvertes, est ce qui nous intéresse dans ce mémoire. Plus précisément, nous proposons d’étudier empiriquement le risque pour la vie privée que représentent les données de trajets, une forme particulière des données de mobilité. Pour cela, nous développons un cadriciel se composant de trois attaques : une attaque de ré-identification, une attaque d’appartenance et une attaque de chaînage. L’objectif de ces attaques est de fournir trois sondes différentes qui testent la résistance d’une méthode d’anonymisation face à un certain type d’adversaire. Nous évaluons tout d’abord ce cadriciel sur les données ouvertes de Montréal, nommée MTL-Trajet. Puis, nous étudions les techniques de l’état-de-l’art en matière de protection de la vie privée de données de mobilité et les contraintes qu’elles imposent sur l’utilité. Enfin, nous proposons une solution d’anonymisation pour MTL-Trajet basée sur ces recherches. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : mobilité, trajectoire, trajets, vie privée, anonymisation, attaques, publication de données, données ouvertes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,058 | 0,207 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».