Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Piano Didattico
Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
1° Anno
| Insegnamenti | Crediti | TAF | SSD |
|---|
2° Anno Attivato nell'A.A. 2025/2026
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
1 module among the following2 modules among the following1 module among the following
- A.A. 2024/2025 Complex systems and social physics - Network science and econophysics - Statistical methods for business intelligence not activated
- A.A. 2025/26 Network science and econophysics not activated1 module among the following2 modules among the followingLegenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Data security & privacy (2024/2025)
Codice insegnamento
4S009066
Coordinatore
Crediti
6
Offerto anche nei corsi:
- Data security & privacy del corso Laurea magistrale in Data Science (LM-91)
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
Periodo
II semestre dal 3 mar 2025 al 13 giu 2025.
Corsi Singoli
Autorizzato
Obiettivi di apprendimento
L’insegnamento si propone di fornire agli studenti un’introduzione alle principali problematiche di sicurezza e privacy legate alla raccolta, conservazione e elaborazione di Big Data e le soluzioni tecniche e organizzative che possono essere adottate per proteggere tali dati. L’insegnamento inoltre si propone di dare una panoramica degli aspetti etici, legali e sociali legati all’elaborazione di Big Data. Al termine del corso lo studente dovrà dimostrare di aver compreso: -i principali attacchi di sicurezza e privacy a Big Data -le tecniche per rendere i sistemi per la raccolta, conservazione e elaborazione di Big Data resistenti a tali attacchi e le limitazioni di tali tecniche -i principi etici in accordo ai quali elaborare Big Data -i principi per la protezione dei dati imposti dalle legislazioni esistenti -come identificare i principali attacchi e confrontare diverse tecniche per la protezione di Big Data e scegliere tra queste le più adeguate a seconda del contesto applicativo.
Prerequisiti e nozioni di base
Nessuno
Programma
Il programma del corso include le seguenti tematiche:
- Introduzione alla security: definizioni, proprietà classiche di sicurezza, tipologie di attacchi legati alla raccolta, conservazione e elaborazione di Big Data.
- Autenticazione: digital certificates, public key infrastructures, single sign on, challenge-response protocols.
- Access Control: modelli di controllo dell’accesso, specifica e enforcement di politiche. Applicazione a framework per l’elaborazione di Big Data
-Tecniche crittografiche per la protezione dei dati: symmetric, e public key cryptography, multiparty computation, secret sharing schemes, oblivious transfer, homomorphic and functional encryption, private set intersection.
- Data provenance: modelli per rappresentare provenance, query languages e meccanismi di conservazione e visualizzazione per provenance e la loro applicazione a Big Data.
- Introduzione alla privacy: definizioni, tassonomia di Solove, attacchi legati alla raccolta, conservazione e elaborazione di Big Data
-Tecniche di anonimizzazione dei dati: pseudo- anonimizzazione e hashing, k-anonymity, l-diversity, t-closeness e gli attacchi a cui sono soggette. Limiti delle tecniche di anonimizzazione per Big Data.
- Privacy preserving data mining: clustering, classification, association rule/pattern mining, outliers.
- Differential Privacy: concetti principali, Laplace mechanism, privacy budget, global sensitivity, group privacy.
- Privacy Ethics: behavioural economics of privacy, trust frameworks and transparency, fairness.
- Protezione dei dati personali: principi di protezione dei dati, GDPR, tecniche per la conformità.
Bibliografia
Modalità didattiche
Lezioni frontali, seminari, attività di laboratorio
Modalità di verifica dell'apprendimento
Gli studenti verranno valutati mediante un esame scritto con domande sui temi del corso, le domande verranno valutate dai docenti che ne hanno trattato gli argomenti dutante il corso.
Criteri di valutazione
Le domande dell'esame mirano a verificare la comprensionde dei concetti presentati durante il corso.
Criteri di composizione del voto finale
I docenti valutano le risposte fornite alle domande e propongono un voto in trentesimi
Lingua dell'esame
English
