Ecole d'ingénieur et centre de recherche en télécommunications

Seminar: Utiliser les données de localisation pour recommander des événements sociaux tout en protégeant la confidentialité des utilisateurs

Daniele Quercia - chercheur à l?University of Cambridge

Réseaux et Sécurité

Date: 30 juin 2011

Lieu: Eurecom - Salle des conseils

Aujourd'hui les entreprises utilisent de plus en plus les données de localisation des téléphones mobiles pour offrir des services de localisation tels que l'estimation actuelle des conditions de circulation et trouver les meilleurs endroits pour la vie nocturne dans une ville. Cette présentation concerne une étude de la relation entre les préférences pour des événements sociaux et la géographie, la première de son genre dans une grande région métropolitaine. Nous avons échantillonné des estimations de localisation d'un million d'utilisateurs de téléphonie mobile dans l'agglomération de Boston, combiné l'échantillon avec des événements sociaux dans la même zone, et déduit les événements sociaux assistés par 2519 habitants. Sur ces données, nous avons testé une variété d'algorithmes pour recommander des événements sociaux. Nous avons constaté que l'algorithme le plus efficace recommande événements qui sont populaires parmi les résidents d'une région. Le moins efficace, au lieu, recommande des événements qui sont géographiquement proches de la zone. Ce dernier résultat a des implications intéressantes pour les services de localisation des événements qui privilégient recommander à proximité. Nous aborderons également le problème de la privacy par un nouveau système dans lequel les téléphones mobiles signalent, en plus de leurs emplacements réels, un très grand nombre de "soigneusement choisis" endroits fictifs. Sur des données réelles de mobilité, nous constatons que, en présence de ce système, un prestataire de service est toujours capable d'estimer précisément le nombre de personnes dans toute emplacement géographique à Zurich et à Londres.

Document

Utiliser les données de localisation pour recommander des événements sociaux tout en protégeant la confidentialité des utilisateurs

Rechercher