Loading...
hidden

View Mobile version

Meta navigation

Startseite – Hochschule Luzern

Language selection and important links

  • Contents
  • Contact
  • Login
  • De
  • En
Search

Main navigation

School navigation

  • Engineering and Architecture
  • Business
  • Computer Science
  • Social Work
  • Design, Film and Art​
  • Music
  • Health Sciences

Sub-navigation

  • Degree Programmes
  • Continuing Education
  • Research
  • International
  • Campus
  • About us
  • News

Sub-navigation

Breadcrumbs

  1. Research Research
  2. Research and Services Projects Research and Services Projects
  3. Anonymisierung von Bewegungsdaten Anonymisierung von Bewegungsdaten

Anonymisierung von Bewegungsdaten

Entwicklung von Algorithmen und Anwendungen zur Anonymisierung vonBewegungsdaten unter Beibehaltung ihres grösstmöglichen Nutzens.

Brief information

School:

Business

Status:

Completed

Period:

26.03.2014 - 31.12.2015

Overview

Durch die rasant fortschreitende Vernetzung und Ubiquitisierung der IT werden Immer mehr Bewegungsdaten erfasst. Um sich neue Einnahmequellen erschliessen zu können, planen Telekomfirmen wie Telefónica anonymisierte Bewegungsdaten ihrer Kunden zu vermarkten. Ein anderes Beispiel sind die SBB, welche ein App entwickelt, die Reisende künftig in Bahnhöfen zu Perrons, Läden und WC lotst.  Die Allgemeinen Geschäftsbedingungen dieses Angebots erlauben den SBB, Bewegungsprofile zu erstellen
und den Kunden mit «Werbeinformationen oder Umfragen» anzusprechen. Wenn sich aber die Ortung der Bahnkunden verfeinert und die Bewegungsprofile immer exakter werden, könnte dies rechtlich problematisch sein.

Um den gestzlichen Einschränkungen zu genügen, können nur anonymisierte Bewegungsdaten genutzt werden, die von persönlichen Informationen wie Namen und Telefonnummer komplett getrennt sind. Andere Angabe, wie Alter und Geschlecht, können nur verwendet werden, wenn dadurch keine Rückschlüsse auf die Person möglich sind. Neueste
Untersuchungen haben aber gezeigt, dass in einem Datensatz, wie er bei jedem Mobilfunk-Anbieter anfällt (also relativer Abstand der Funkzellen-Antennen und ein Orts-Eintrag etwa alle Stunde), man mit nur vier bekannten Datenpunkten Zeit/Ort circa 95 Prozent aller Menschen identifizieren kann. Das könnten beispielsweise die Adresse von Privatwohnung, Arbeitsplatz und Geo-Tags von Tweets oder Bildern sein.

In den letzten Jahren hat sich die Erkenntnis durchgesetzt, dass absolute Anonymität nur schwer – wenn überhaupt – sicher zu stellen ist. Auch fehlt das notwendige Wissen mögliche Angriffe zu erkennen. Mit grösserer Verbreitung von möglichen Verknüpfungstabellen steigt das Risiko von Einzel- und Fischzug-Angriffen weiter. Bei guter Sicherheit sinkt die Qualität der Daten zumeist erheblich – gerade für unbestimmte Auswertungen wie dies bei der Veröffentlichung von Open Data der Fall ist. Auf der wissenschaftlichen Seite wurden für tabulare Daten verschiedene Anonymisierungsmethoden und -masse entwickelt, wie z.B.
  k-Anonymity – Schutz gegen Verknüpfung von Identitäten, und
  l-Diversity – Schutz gegen die Offenlegung von Attributen.

Bewegungsdaten haben aber, wie oben ausgeführt, ein noch grösseres «Potential» die identität von Personen aufzudecken. Dies gilt noch mehr für Trajektorien. Erste Anonymitätsmasse, wie z. B. LKC-Privacy, werden gerade entwickelt. Wissenschaftliche Arbeiten, die Algorithmen unter Berücksichtung des Nutzwertes (engl. utility) für den Empfänger erforschen, sind gerade erst im Entstehen.

Ziel dieses Forschungsfeldes ist es, zu dieser neuen Entwicklung aufzuschliessen und unsere Expertise in der betriebswirtschaftlichen Betrachtung einzubringen. Unsere Nähe zur Praxis soll unser ferner befähigen, die Komplexität, d.h. das Laufzeitverhalten, der Algorithmen zu verbessern, so dass sie für ausgewählte Anwendungsgebiete in Unternehmungen eingesetzt werden können.

hidden

Facts

Type of project

Forschung

Internal organisations involved
  • CC Informationssicherheit
Funding
  • Andere interne Finanzierung
hidden

Persons involved: internal

Project manager
  • Günter Karjoth
Member of project team
  • Mariia Astrakhantceva
  • Pavol Svaba
  • Daniel Walker

Publications

  • Article, review; not peer reviewed (2)

    • Svaba, Pavol; Walker, Daniel & Karjoth, Günter (2016). Wo meine Daten auch noch sind. Digma: Zeitschrift für Datenrecht und Informationssicherheit, 16(1), 38-41.

    • Karjoth, Günter (2014). Der «betreute» Mensch: Werden wir vor lauter Fürsorge unsere Selbständigkeit verlieren? Eine neue Aufgabe für den Datenschutz. digma: Zeitschrift für Datenrecht und Informationssicherheit, 2014(14/4), 138-143.

  • Presentation (conference/report/lectures) (3)

    • Karjoth, Günter (15.11.2016). Anonymität – nur eine Fiktion? ISSS Security Talk, Zürich.

    • Karjoth, Günter (23.06.2015). Schutz der Patientendaten durch Anonymisierung. Information Security in Health Conference, Rotkreuz.

    • Karjoth, Günter (17.06.2014). Privacy Challenges of Telco Big Data. ITU Workshop on “Big Data”, Geneva, Switzerland.

Brief information

School:

Business

Status:

Completed

Period:

03/26/2014 - 12/31/2015

Footer(s)

FH Zentralschweiz

Social media links

  •  Instagram
  •  LinkedIn
  •  TikTok
  •  Facebook
  •  YouTube
  •  Flickr

Contact

Logo Lucerne University of Applied Sciences and Arts

Lucerne University of Applied Sciences and Arts


Werftestrasse 4
6002 Luzern

+41 41 228 42 42

info@hslu.ch

Direct entry

  • Bachelor’s Degree
  • Master’s Degree
  • Prospective Students (Continuing & Executive Programmes)
  • For Students
  • For Employees

Quick link

  • People Finder
  • University Buildings & Campus Locations
  • News
  • Libraries
  • Events
  • Media Relations
  • Jobs and Careers
  • Home
  • Hiring Rooms

Static links

  • Newsletter
  • Data protection notice
  • Publishing Acknowledgements
Logo Swissuniversities

QrCode

QrCode