Detailseite
Projekt
PrivateMine: Inhärenter Datenschutz für verteilte Ereignisquellen
Antragsteller
Professor Dr. Florian Tschorsch
Fachliche Zuordnung
Sicherheit und Verlässlichkeit, Betriebs-, Kommunikations- und verteilte Systeme
Förderung
Förderung seit 2023
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 496119880
In PrivateMine betrachten wir den Trend von verteilten Ereignisquellen als Gelegenheit, Mechanismen des technischen Datenschutzes inhärent im Process-Mining zu verankern und verteile Process-Mining-Algorithmen mit nachweisbaren Datenschutzgarantien im Speziellen zu entwickeln. Zu diesem Zweck betrachten wir die Datenminimierung als unser Hauptentwurfsprinzip und kombinieren zwei Bausteine: Nachweisbare Datenschutzgarantien beispielsweise durch lokale differentielle Privatsphäre (engl. Local Differential Privacy) mit probabilistischen Datenstrukturen wie beispielsweise probabilistischen Zählern. Da viele Process-Mining-Algorithmen auf einfachen statistischen Funktionen aufbauen, wie z.B. dem Zählen der Anzahl von Folgebeziehungen (engl. Directly Follows Relations), argumentieren wir, dass diese Kombination eine vielversprechende Basis darstellt. Die größte Herausforderung besteht darin, den Analysealgorithmus so zu verteilen, dass die Privatsphäre gewahrt bleibt. Die Synergien in SOURCED ermöglichen die Entwicklung neuartiger datenschutzfreundlicher Algorithmen zur Prozessanalyse auf verteilten Ereignisdaten. Die Forschungsgruppe bringt hierzu Fachwissen aus den Bereichen Prozessmanagement, Daten- und Softwaretechnik, verteilte Systeme und technischem Datenschutz zusammen. Insbesondere die Zusammenarbeit auf dem Gebiet des ressourceneffizienten verteilten Process-Mining und der datenschutzgerechten Abstraktion von Ereignisdaten für verteiltes Process-Mining ist für das Vorhaben förderlich. Mit PrivateMine leisten wir daher einen wesentlichen Forschungsbeitrag, der Grundlagen für die nächste Generation von Process-Mining-Techniken bereitstellt.
DFG-Verfahren
Forschungsgruppen
