Évaluation du respect de la vie privée lors de l'ouverture de données de MTL-Trajet
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.058 | 0.207 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.007 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.010 | 0.009 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".