Soutenance de thèse - Qiyang LI

Soutenance de thèse - Qiyang LIQiyang LI, en vue de l’obtention du grade de Docteur en Sciences et Technologies de l’Information et de la Communication, spécialité « Informatique et Architectures Numériques », présentera ses travaux intitulés : « Assurer la protection de la vie privée lors de l’externalisation des données par des applications mobiles et IoT », le 17 décembre à Brest.

Date 17/12

Résumé

Assurer la protection de la vie privée lors de l’externalisation des données par des applications mobiles et IoT.

Ces travaux portent sur la protection de la vie privée face au développement des technologies IoaT et de l’IA dont l’usage croissant dans les environnements d’assistance pour les personnes en situation de handicap entraîne de nouveaux risques liés aux données personnelles. Les informations issues des capteurs peuvent révéler des éléments sensibles sur l’identité ou la santé d’une personne. Menée dans le cadre du projet France 2030 HIT, cette thèse conçoit des mécanismes protégeant les données lors de leur externalisation et de leur exploitation. Les travaux se concentrent sur les données temporelles utilisées pour la reconnaissance d’activités et proposent une sélection de caractéristiques basée sur un algorithme génétique à objectifs multiples. Les caractéristiques utiles sont ainsi retenues tout en écartant celles susceptibles d’exposer l’identité d’une personne. Le traitement est réalisé en edge computing afin de limiter l’exposition des données. L’approche maintient la performance des modèles d’apprentissage tout en réduisant les risques de ré-identification, y compris en cas d’accès non autorisé aux données annotées. Les travaux ont été étendus pour résister à des attaquants plus puissants. Les expériences s’appuient sur des bases de reconnaissance d’activités humaines, les données relatives aux personnes handicapées n’étant pas disponibles actuellement. Dans ce contexte, un jeu de données a été collecté avec le Centre Mutualiste de Kerpape dans un appartement domotisé des résultats préliminaires montrent qu’il est possible de distinguer les participants handicapés et valides à partir des signaux collectés, ce qui confirme le risque pour la vie privée.

Mots clés : protection de la vie privée, les objets connectés, sélection de caractéristiques préservant la confidentialité, données temporelles, personnes en situation de handicap, jeux de données HAR inclusifs

Abstract

Ensuring privacy protection in data outsourcing by mobile applications an loT.

This work focuses on the protection of privacy in the context of the development of IoT and AI technologies, whose growing use in assistive environments for people with disabilities introduces new risks related to personal data. Information collected from sensors can reveal sensitive elements concerning a person’s identity or health. Conducted within the framework of the France 2030 HIT project, this thesis designs mechanisms to protect data during their outsourcing and processing. The work focuses on temporal data used for activity recognition and proposes a feature selection approach based on a multi-objective genetic algorithm. Useful features are retained, while those that could reveal a person’s identity are discarded. Processing is performed through edge computing in order to limit data exposure. The approach maintains the performance of learning models while reducing the risk of re-identification, including in cases of unauthorized access to annotated data. The work has been extended to withstand more powerful attackers. Experiments rely on human activity recognition datasets, as data concerning people with disabilities are not currently available. In this context, a dataset was collected in collaboration with the Centre Mutualiste de Kerpape in a smart apartment; preliminary results show that it is possible to distinguish between disabled and non-disabled participants from the collected signals, highlighting the associated privacy risk

Keywords: privacy protection, Internet of Things (IoT), privacy-preserving feature selection, time series data, people with disabilities, inclusive HAR datasets

Membres du jury

• Dr Estelle PAWLOWSKI, rapporteur, Maître de Conférences HDR, École Nationale Supérieure d'Ingénieurs de Caen (ENSICAEN), GREYC CNRS UMR 6072
• Pr Benjamin NGUYEN, rapporteur, Professeur, INSA Centre Val de Loire, LIFO UR 4022
• Pr Caroline FONTAINE, examinatrice, Directrice de Recherche CNRS, Université Paris Saclay, LMF CNRS UMR 9021
• Dr Willy ALLÈGRE, examinateur, Ingénieur de Recherche, Centre de Kerpape
• Pr Guy GOGNIAT, directeur de thèse, Professeur des Universités, Université Bretagne Sud, Lab-STICC CNRS UMR 6285
• Pr Davis ESPES, co-directeur de thèse, Professeur des Universités, Université de Bretagne Occidentale, Lab-STICC CNRS UMR 6285
• Dr Johanne VINCENT, encadrante de thèse, Maître de Conférences, IMT Atlantique, Lab-STICC CNRS UMR 6285

Les travaux sont dirigés par Guy Gogniat, David Espes et Johanne Vincent

École doctorale MathSTIC Bretagne Océane N°644

Informations pratiques

Mercredi 17 décembre à 9h

Salle BR-B01-008A

IMT Atlantique

Brest

Crédit photographique : ©Université Bretagne Sud. Service Communication