Décourager les comportements abusifs dans les réseaux sociaux en ligne

Discouraging abusive behavior in privacy-preserving decentralized online social networks

• Auteur / Autrice : Álvaro García Recuero
• Direction : Christian Grothoff
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 19/05/2017
• Etablissement(s) : Rennes 1
• Ecole(s) doctorale(s) : École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique (Rennes)
• Partenaire(s) de recherche : ComuE : Université Bretagne Loire (2016-2019)
• Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique (France). Unité de recherche (Rennes, Bretagne-Atlantique) - DECENTRALISE - TAMIS

Mots clés

Mots clés contrôlés

Réseaux sociaux (Internet)

Protection de l'information (informatique)

Droit à la vie privée

Mots clés libres

Analyse des réseaux sociaux

Protection de la vie privé

Social Network Analysis

Machine Learning

Privacy-Preservation

Résumé

Le principal objectif de cette thèse est d'évaluer les protocoles qui prennent en considération la protection de la vie privée et qui nécessitent seulement des métadonnées locales pour détecter les comportements malveillants sur les réseaux sociaux décentralisés. En appliquant des techniques d'analyse de réseaux sociaux qui réduisent la quantité de métadonnées sensibles, nous obtenons des résultats acceptables comparé aux techniques qui ne préservent pas la vie privée. De plus, nous prévoyons d'élaborer une série de recommandations pour construire de futurs réseaux sociaux décentralisés qui découragent cette type des comportements abusifs.

The main goal of this thesis is to evaluate privacy-preserving protocols to detect abuse in future decentralised online social platforms or microblogging services, where often limited amount of metadata is available to perform data analytics. Taking into account such data minimization, we obtain acceptable results compared to techniques of machine learning that use all metadata available. We draw a series of conclusion and recommendations that will aid in the design and development of a privacy-preserving decentralised social network that discourages abusive behavior.