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. 2023/2024
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
1 module among the following (a.a. 2023/24: Data protection in business organizations not activated)
2 modules among the following (a.a. 2023/24: Statistical methods for business intelligence not activated)
2 modules among the following (a.a. 2023/24: Complex systems and social physics not activated)
2 modules among the following
Legenda | 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 (2022/2023)
Codice insegnamento
4S009066
Coordinatore
Crediti
6
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
Periodo
Secondo semestre dal 6 mar 2023 al 16 giu 2023.
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: ▪_x0001_i principali attacchi di sicurezza e privacy a Big Data ▪_x0001_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 ▪_x0001_i principi etici in accordo ai quali elaborare Big Data ▪_x0001_i principi per la protezione dei dati imposti dalle legislazioni esistenti ▪_x0001_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 progetto/approfondimento a loro assegnato e concordarto con i docenti sui temi del corso. I risultati del progetto verranno poi esposti oralmente ai docenti che potranno chiedre e approfindire la oreparazione dello studente sulle diverse tematiche trattate durante il corso.
Criteri di valutazione
Il progetto ha l'obiettivo di verificare la capacità di approfondire (ricercando materiale in modo critico) e rielaborare autonomamente i concetti presentati durante il corso.
Criteri di composizione del voto finale
La docente valuta la presentazione e discussione del progetto e propone un voto in trentesimi
Lingua dell'esame
inglese