Privacidad de ubicación en la computación ubicua

El campo de la computación ubicua prevé una era en la que el consumidor promedio posea cientos o miles de dispositivos de computación móviles y embebidos. Estos dispositivos llevarán a cabo acciones basadas en el contexto de sus usuarios, y por lo tanto, los sistemas ubicuos recopilarán, agruparán y distribuirán mucha más información personal sobre los individuos de lo que las computadoras hacen hoy en día. Gran parte de esta información personal se considerará privada, y por lo tanto, los mecanismos que permiten a los usuarios controlar la difusión de estos datos son vitales. La información de ubicación es una forma especialmente útil de contexto en la computación ubicua, sin embargo, su distribución incondicional puede ser muy invasiva. Esta disertación desarrolla métodos novedosos para proporcionar privacidad de ubicación en la computación ubicua. Gran parte del trabajo previo en esta área utiliza el control de acceso para permitir la privacidad de ubicación. Esta disertación toma un enfoque diferente y argumenta que muchas aplicaciones conscientes de la ubicación pueden funcionar con datos de ubicación anonimizados y que, donde esto es posible, su uso es preferible al del control de acceso. La anonimización adecuada de los datos de ubicación no es una tarea trivial: bajo un modelo de amenazas realista, simplemente eliminar identificadores explícitos no anonimiza la información de ubicación. Esta disertación describe por qué este es el caso y desarrolla dos modelos de seguridad cuantitativos para anonimizar datos de ubicación: el modelo de zona de mezcla y el modelo de calidad variable. Un tercero de confianza puede utilizar uno o ambos modelos para garantizar que todos los eventos de ubicación proporcionados a aplicaciones no confiables estén adecuadamente anonimizados. El modelo de zona de mezcla admite aplicaciones no confiables que requieren información de ubicación precisa sobre usuarios en un conjunto de ubicaciones físicas disjuntas. En contraste, el modelo de calidad variable reduce la precisión temporal o espacial de la información de ubicación para mantener el anonimato del usuario en cada ubicación. Ambos modelos proporcionan una medida cuantitativa del nivel de anonimato alcanzado; por lo tanto, cualquier situación dada puede ser analizada para determinar la cantidad de información que un atacante puede obtener a través del análisis de los datos anonimizados. Se demuestra la idoneidad de ambos modelos y se mide el nivel de privacidad de ubicación disponible para los usuarios de aplicaciones reales conscientes de la ubicación.