Zusammenfassung
Floating Car Data (FCD) können sensible persönliche Informationen wie Adressen, das Freizeitverhalten, Arztbesuche oder Arbeitstätigkeiten beinhalten. Auf der ExCELL Plattform sind umfangreiche Datensätze in Form von FCD vorhanden. Aus den obigen Gründen kann dieser Datenschatz der Allgemeinheit nicht als Open Data zur Verfügung gestellt werden. Die Lösung für dieses Problem besteht in der Anonymisierung der Datensätze, da aus anonymisierten Daten keine Rückschlüsse auf Personen möglich sind. Infolgedessen erkennt und entfernt ein Anonymisierungsservice auf der ExCELL Plattform sensible Bereiche in den FCD ohne die statistische Struktur der Daten zu verändern. Das Ergebnis der Anonymisierung sind Daten, die auf der ExCELL Plattform als Open Data bereitgestellt werden können.
Das Forschungsprojekt ExCELL wurde mit Mitteln des Bundesministeriums für Wirtschaft und Energie (BMWi) gefördert (Förderkennzeichen: 01MD15001B).
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Bezzi M (2010) An information theoretic approach for privacy metrics. Trans Data Privacy 3 (3): S. 199-215.
Douriez M, Doraiswamy H, Freire J, Silva CT (2016) Anonymizing NYC Taxi Data: Does It Matter?, IEEE International Conference on Data Science and Advanced Analytics (DSAA).
Dwork C (2008) Differential privacy: A survey of results, International Conference on Theory and Applications of Models of Computation.
Gambs S, Killijian M-O, del Prado Cortez MN (2010) Show me how you move and I will tell you who you are, 3rd ACM SIGSPATIAL International Workshop on Security and Privacy in GIS and LBS.
Ghinita G, Karras P, Kalnis P, Mamoulis N (2007) Fast data anonymization with low information loss, 33rd International Conference on Very Large Data Bases.
Golle P, Partridge K (2009) On the anonymity of home/work location pairs. Pervasive Computing: S. 390-397.
Gulcher JR, Kristjánsson K, Gudbjartsson H, Stefánsson K (2000) Protection of privacy by third-party encryption in genetic research in Iceland. European journal of human genetics: EJHG 8 (10): S. 739.
Herrera JC, Work DB, Herring R, Ban XJ, Jacobson Q, Bayen AM (2010) Evaluation of traffic data obtained via GPS-enabled mobile phones: The Mobile Century field experiment. Transportation Research Part C: Emerging Technologies 18 (4): S. 568-583.
Hoh B, Gruteser M, Xiong H, Alrabady A (2007) Preserving privacy in gps traces via uncertainty-aware path cloaking, 14th ACM Conference on Computer and Communications Security.
Jakobsson M, Juels A, Rivest RL (2002) Making mix nets robust for electronic voting by randomized partial checking, USENIX Security Symposium.
Li N, Li T, Venkatasubramanian S (2007) t-closeness: Privacy beyond k-anonymity and l-diversity, 23rd International Conference on Data Engineering.
Machanavajjhala A, Gehrke J, Kifer D, Venkitasubramaniam M (2006) l-diversity: Privacy beyond k-anonymity, Data Engineering, 2006. ICDE’06. Proceedings of the 22nd International Conference on.
Maruseac M, Ghinita G (2016) Processing uncertain spatial data resulting from differentially-private sanitization. SIGSPATIAL Special 8 (2): S. 26-34.
Niu B, Li Q, Zhu X, Cao G, Li H (2014) Achieving k-anonymity in privacy-aware location-based services, IEEE INFOCOM.
Palanisamy B, Liu L (2014) Effective mix-zone anonymization techniques for mobile travelers. Geoinformatica 18 (1): S. 135-164.
Rass S, Fuchs S, Schaffer M, Kyamakya K (2008) How to protect privacy in floating car data systems, ACM International Workshop on VehiculAr Inter-NETworking.
Shokri R, Troncoso C, Diaz C, Freudiger J, Hubaux J-P (2010) Unraveling an old cloak: k-anonymity for location privacy, 9th Annual ACM workshop on Privacy in the Electronic Society.
Yang D, Fang X, Xue G (2013) Truthful incentive mechanisms for k-anonymity location privacy, INFOCOM, 2013 Proceedings IEEE.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2018 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Pieper, S., Kunde, F., Sauer, P. (2018). Anonymisierung von Floating Car Data. In: Wiesche, M., Sauer, P., Krimmling, J., Krcmar, H. (eds) Management digitaler Plattformen. Informationsmanagement und digitale Transformation. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-21214-8_18
Download citation
DOI: https://doi.org/10.1007/978-3-658-21214-8_18
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-21213-1
Online ISBN: 978-3-658-21214-8
eBook Packages: Business and Economics (German Language)