La confidentialité différentielle pour protéger les renseignements personnels
À propos de la conférence
La confidentialité différentielle a pour but de permettre l’analyse statistique d’un jeu de données sans révéler les informations personnelles des participants. Pour ce faire, elle mesure formellement l’impact pour un individu d’accepter de faire partie d’un jeu de données à partir duquel seront publiées certaines statistiques. C’est une approche qui gagne en popularité tant chez les chercheurs qu’en pratique, et qui sera d’ailleurs utilisée par le Census Bureau pour la publication des données du recensement américain de 2020.
La professeure Anne-Sophie Charest vous propose ici une introduction peu technique à la confidentialité différentielle, mettant l’accent sur l’interprétation de la mesure et les outils nécessaires à sa mise en oeuvre dans différents contextes.
À propos de la conférencière
Professeure agrégée, Faculté des sciences et de génie, Université Laval
Anne-Sophie Charest est une professeure agrégée en statistique au Département de mathématiques et de statistique de l’Université Laval. Elle est titulaire d’un baccalauréat Honours in Probability and Statistics de l’université McGill, à Montréal, ainsi que d’une maîtrise et d’un doctorat en statistique de l’université Carnegie Mellon, à Pittsburgh.
Elle travaille sur la protection de la confidentialité de données statistiques, en particulier en contexte d’enquête ou de recensement sur une population. Elle s’intéresse particulièrement à la génération et l’analyse de jeux de données synthétiques ainsi qu’à la mesure du risque de divulgation, notamment par le biais de la confidentialité différentielle. Elle est membre du Centre de Recherche en Données Massives de l’Université Laval.
Restons en contact!
Vous souhaitez être informé des nouvelles et activités de l'IID? Abonnez-vous dès maintenant à notre infolettre mensuelle.