La diffusion massive des dispositifs portables, de plus en plus utilisés pour le traitement et la communication de l'information, permet la collecte d' importantes masses de données liées à l'activité des utilisateurs sur des applications mobiles.
Nous allons nous intéresser aux données de localisation, i.e. les traces de mobilité, qui sont issues de ces systèmes mobiles formés par un groupe d'utilisateurs dans un environnement restreint, i.e. dans un contexte de foule à l'intérieur d'un espace délimité (i.e. micro-mobilité).
Les données de mobilité produites dans un système mobile sont étudiées suivant deux axes :
- l'utilisation des modèles de mobilité est à la base du développement d'algorithmes de communication dédiés au systèmes mobiles. Les données réelles concernant la mobilité des utilisateurs vont nous permettre de comparer les données synthétiques utilisées dans la simulation avec la réalité qu'ils sont sensé décrire.
- la manipulation des données de mobilité réelles implique une réflexion sur les conséquences que les informations extraites de ces données ont relativement à la protection de la vie privée des utilisateurs.
Les contributions sur ces deux fronts sont les suivantes :
- Une fine analyse des propriétés spatiales et sociales d'un ensemble de traces de mobilité réelles collecté expérimentalement à l'aide d'une plateforme à haute precision.
- Une comparaison exploratoire entre les traces de mobilité réelles et des traces de mobilité synthétiques générés à partir des sept différents modèle de mobilité.
- Conception et analyse d'un algorithme d'inférence par co-localisation décorrelé des informations sur la localisation des utilisateurs ciblés.
- Quantification du potentiel des données de co-localisation non-déterministes sur la perte de protection de la vie privée d'un ensemble d'utilisateurs.
|
The wide diffusion of smart portable devices allows the collect of a big amount of data concerning the activities of users from mobile apps. We focus our attention on location data, i.e. mobility traces, of a set of users in a crowd. In particular, we analyze the human motion and social interactions in a micro-mobility context.
The data collected from these mobile systems are studied following two axis:
- Mobility models are used to simulate the behavior of users to develop the opportunistic forwarding algorithms. We compare real and synthetics mobility traces to show the distance between the reality and the models.
- Mobility information concern the privacy of users. We analyze the impact of such information on privacy issue.
The main contributions are:
- We analyze the spatial and social properties of human motion from real traces collected by an high accuracy experimental localization system.
- We compare the real traces with synthetics mobility traces generated from seven popular mobility models.
- We provide an inference algorithm based on co-location of users and we show its efficacy on different datasets.
- We quantify the effect of probabilistic co-location information by means of an inference location attack.
|