Implémentation De La Méthode K-anonymat à La Base D’un Algorithme Génétique

Abstract

vec l’augmentation rapide de la quantité de données, ces données sont devenues de plus en plus importantes dans le développement de divers secteurs et services. Cela, augmenté la nécessité de développent des approches de protection et de donner des garanties d’anonymisation. Dans ce travail, nous avons étudié le modèle de protection « k-anonymat ». L’idée derrière ce modèle, consiste à rendre difficile d’établir d’un lien entre l’identité d’un individu particulier et l’une de ces données (ou attributs) privées et sensibles. Du fait, nous avons fait une implémentation de ce modèle en adaptant un algorithme génétique pour ce type de problème. Notre objectif était de maximiser à la fois la confidentialité et l'utilité des données. Les différents tests réalisés sur le jeu de données nous ont permis de dire que l'implémentation proposée donne des résultats satisfaisants. Loin d’être parfaits, ces résultats peuvent être améliorés pour obtenir de meilleures solutions. Comme perspectives nous envisageons d’améliorer notre implémentation à travers des tests plus poussés, pour définir d’une manière plus exacte les paramètres de notre algorithme génétique, comme la taille de la population initiale, et les taux de croisement et de mutation. D’autres perspectives comme le test de notre implémentation sur d’autres bases et la comparaison de notre travail avec d’autres travaux sont aussi envisageables. A long terme nous pourrons explorer d’autres facettes de la protection de la vie privée soit avec d’autres algorithmes ou avec d’autres modèles de protection.