Date of Award

6-2024

Document Type

Thesis

Degree Name

Master of Science in Information Technology Management

Department

Information Systems and Security

First Advisor

Mohamed Sharaf

Abstract

In a data-driven era, achieving a balance between privacy and utility is crucial. Organizations often utilize data for research, analysis, and enhancement of services, which emphasizes the significance of effective privacy-preserving techniques to protect individuals' privacy and comply with regulations. This equilibrium is vital in data visualization to derive insightful decisions from data representations. The goal is to evaluate the trade-off between privacy preservation and data utility, understanding how differentially private parameters impact effective visualizations. Valuable insights will guide strategies for achieving optimal privacy-preserving visualization techniques. The study aims to investigate the effects on privacy and data utility in different privacy settings and identify the ideal trade-off between privacy protection and data usability. Differential privacy techniques are used to obfuscate sensitive data, relying on data sensitivity and varied epsilon values to achieve different privacy levels. The impact on data utility is analyzed using histograms, which show data frequency and distribution. These graphic aids visualized the compromises that must be made between protecting privacy and guaranteeing data usability. Our analysis highlights the vital role of visual analytics in balancing privacy protection and data utility. We present a hybrid multi-objective metric in our study that comprehensively assesses the trade-offs between privacy and utility. This novel contribution helps to develop strategies that maximize data utility and privacy protection by offering a more nuanced understanding of how privacy-preserving techniques affect data visualization. Additionally, we design an evaluation model using both empirical and estimated experiments that provide practical privacy parameters adapted for real-world scenarios. This dual-method approach offers useful techniques for protecting privacy in data visualization and determining the best trade-off, which fills a void in the existing literature. This contribution to the field delivers valuable insights to best optimize privacy-preserving techniques for data visualization.

Arabic Abstract


تصور البيانات المحمية بشكل خاص: استكشاف تضارب الخصوصية والفائدة

في عصر مدفوع بالبيانات، يعد تحقيق التوازن بين الخصوصية والفائدة أمرًا حاسمًا. غالبًا ما تستخدم المؤسسات البيانات للبحث والتحليل وتحسين الخدمات، مما يؤكد أهمية تقنيات الحفاظ على الخصوصية الفعالة لحماية خصوصية الأفراد والامتثال للوائح. هذا التوازن ضروري في تصور البيانات لاستخلاص قرارات مستنيرة من تمثيلات البيانات. الهدف هو تقييم الموازنة بين الحفاظ على الخصوصية وفائدة البيانات، وفهم كيفية تأثير المعلمات الخاصة بالخصوصية التفاضلية على التصورات الفعالة. ستوفر الأفكار القيمة استراتيجيات لتحقيق تقنيات تصور البيانات المثلى مع الحفاظ على الخصوصية . تهدف الدراسة إلى التحقيق في تأثيرات إعدادات الخصوصية المختلفة على الخصوصية وفائدة البيانات وتحديد التوازن المثالي بين حماية الخصوصية واستخدامية البيانات. تُستخدم تقنيات الخصوصية التفاضلية لتعتيم البيانات الحساسة، اعتمادًا على حساسية البيانات وقيم إبسيلون المختلفة لتحقيق مستويات خصوصية متنوعة. يتم تحليل تأثير تقنيات الحفاظ على الخصوصية على فائدة البيانات من خلال استخدام الرسوم البيانية الشريطية. بشكل خاص، تعتبر الرسوم البيانية الشريطية أدوات حيوية في التحليلات البصرية لأنها تساعد في فهم تكرار وتوزيع البيانات. هذه الأدوات الرسومية توضح التوازنات التي يجب القيام بها بين حماية الخصوصية وضمان استخدامية البيانات . تسلط تحليلاتنا الضوء على الدور الحيوي للتحليلات البصرية في موازنة حماية الخصوصية وفائدة البيانات. نقدم في دراستنا مقياسًا هجينًا متعدد الأهداف يوفر تقييمًا شاملاً للتوازنات بين الخصوصية والفائدة. تسهم هذه الإضافة الجديدة في تطوير استراتيجيات تزيد من فائدة البيانات وحماية الخصوصية من خلال تقديم فهم أكثر تفصيلاً لكيفية تأثير تقنيات الحفاظ على الخصوصية على تصور البيانات. بالإضافة إلى ذلك، نصمم نموذج تقييم با ستخدام تجارب يدوية وآلية توفر معلمات خصوصية عملية مكيّفة للسيناريوهات الواقعية. يقدم هذا النهج الثنائي طرقًا فعالة لحماية الخصوصية في تصور البيانات وتحديد أفضل توازن، مما يملأ فجوة في الأدبيات الحالية. تسهم هذه الإضافة في المجال بتقديم رؤى قيمة لتحسين تقنيات الحفاظ على الخصوصية في تصور البيانات .

Download
COinS