Universität Rostock, Lehrstuhl Datenbank- und Informationssysteme: Dbis Repository
Not a member yet
940 research outputs found
Sort by
Anonymisierung von Data Provenance in ProSA
Full text linkDas an der Universität Rostock angesiedelte Forschungsprojekt ProSA, bestehend aus der gleichnamigen Software, hat das Ziel, ausgehend von einer Forschungsdatenbank eine minimale Teildatenbank ebendieser Datenbank zu berechnen, welche in der Lage ist, Forschungsergebnisse langfristig replizieren und rekonstruieren zu können. Dabei wird das Konzept der Data Provenance genutzt, um all diejenigen Tupel (sogenannte Zeugen) einer oder mehrerer Relationen bestimmen zu können, welche für das Zustandekommen des Ergebnisses unentbehrlich sind. Allerdings können nach einer solchen Rekonstruktion gewisse Datenschutz-Anforderungen verletzt werden. Dies kann insbesondere auch nach dem Entfernen eindeutig identifizierender Attribute weiterhin der Fall sein, wenn sich im Datensatz sogenannte Quasi-Identifikatoren befinden, welche mit externem Wissen Rückschlüsse auf natürliche Personen ermöglichen. Doch auch bei Daten ohne Personenbezug kann eine Anonymisierung sinnvoll sein, wenn diese Daten als besonders schützenswert betrachtet werden. Eine Lösung für ProSA gibt es bislang nicht und auch die Forschung zur Kombination von Data Provenance und Datenschutz (Privacy) ist vage. Das Ziel der Masterarbeit „Anonymisierung von Data Provenance in ProSA“ ist es, die verschiedenen Stellen des ProSA-Workflows zu untersuchen, an denen eine Anonymisierung der Daten möglich und sinn- voll ist, geeignete Anonymisierungsmethoden sowie Anonymitätsmaße zu bestimmen und ProSA um eine praktische Implementierung zu erweitern, welche Privacy-Aspekte gewährleistet. Dazu wurde das Modul ProSAnon („ProSA anonymizer“) entwickelt, welches im ProSA-Workflow nach der Berechnung der minimalen Teildatenbank eingesetzt wird. Als Anonymisierungsmethode kommt dabei die Generalisierung von Tupeln mittels Konzepthierarchien, als Anonymitätsmaß die k-Anonymität zum Einsatz
ChaTEAU: A Universal Toolkit for Applying the Chase
Full text linkWhat do applications like semantic optimization, data exchange and integration, answering queries under dependencies, query reformulation with constraints, and data cleaning have in common? All these applications can be processed by the Chase, a family of algorithms for reasoning with constraints. While the theory of the Chase is well understood, existing implementations are confined to specific use cases and application scenarios, making it difficult to reuse them in other settings. ChaTEAU overcomes this limitation: It takes the logical core of the Chase, generalizes it, and provides a software library for different Chase applications in a single toolkit
Erweiterung des ProSA-Parsers.
Full text linkDas Tool ProSA dient dem Forschungsdatenmanagement, dabei wird insbesondere eine minimale Teildatenbank einer ursprünglich größeren Forschungsdatenbank berechnet. Dadurch kann die zu veröffentlichende Datenmenge reduziert werden. Gleichzeitig werden aber auch genau die Teile der Datenbank ermittelt, die notwendig sind, um das Forschungsergebnis zu reproduzieren. ProSA nutzt für diese Berechnung u.a. den CHASE-Algorithmus, ein Universalwerkzeug der Datenbanktheorie. Der CHASE arbeitet allerdings mit sog. Abhängigkeiten (egds, tgds, s-t tgds) und nicht mit Anfragen, die in SQL geschrieben werden, was sonst meistens genutzt wird, um Anfragen an Datenbanken zu formulieren. Der sog. Parser in ProSA (auch genannt sql2sttgd) löst dieses Problem bereits ansatzweise: einfache SQL-Anfragen können automatisch in Abhängigkeiten umgewandelt werden. In dieser Arbeit wird die Funktionalität des ProSA-Parsers erweitert, nämlich um Aggregatfunktionen. Dafür wird eine Übersicht gegeben, zu welchen Operatoren aus SQL theoretische Konzepte bestehen, um sie als Abhängigkeiten darzustellen. Es wird gezeigt, welche dieser Konzepte bereits implementiert wurden. Ein bestehendes Konzept zu Aggregatfunktionen wird vereinfacht und um Gruppierungen erweitert. Darüber hinaus wird ein Ansatz vorgestellt, mit dem auch Anfragen behandelt werden können, die Aggregatfunktionen zusammen mit Verbunden und Selektionen enthalten. Für einfache Aggregatfunktionen wird das angepasste Konzept im ProSA-Parser implementiert
Vorbereitung eines sedimentologischen Datensatzes zur Integration von Provenance
Full text linkAm Leibniz-Institut für Ostseeforschung Warnemünde (IOW) werden auf Forschungsfahrten Sediment- proben zur sedimentologischen Kartierung der Ostsee entnommen. Die Sedimentproben werden im La- bor mit verschiedenen Messmethoden auf die Verteilung der enthaltenen Korngrößen untersucht. Die Ergebnisse dieser Untersuchungen werden bisher dezentral in Dateien verschiedener Formate und Struk- turen lokal auf den Rechnern der Wissenschaftler gespeichert. In dieser Arbeit werden die vorhan- denen Dateistrukturen analysiert und ein für alle Strukturen geeignetes relationales Datenbankmodell entworfen. Zur besseren Rückverfolgbarkeit der Daten wird das Modell um zusätzliche Metadaten er- weitert und durch Einfügen von global eindeutigen Tupel-IDs auf die Umsetzung von Data Provenance vorbereitet. Das erweiterte Modell wird unter Verwendung von MySQL implementiert. Im Anschluss wird beschrieben, wie der Import der Daten erfolgt und welche Vorverarbeitungsschritte die Daten dazu durchlaufen. Es werden exemplarische Datenbankanfragen gestellt, um nachzuweisen, dass das Konzept funktioniert. Abschließend wird in einem kurzen Fazit die Arbeit zusammengefasst und ein Ausblick auf weiterführende Themen gegeben
Vertrauenswürdige, adaptive Anfrageverarbeitung in dynamischen Sensornetzwerken zur Unterstützung assistiver Systeme
Full text linkAssistenzsysteme in smarten Umgebungen sammeln durch den Einsatz verschiedenster Sensoren viele Daten, um die Intentionen und zukünftigen Aktivitäten der Nutzer zu berechnen. In den meisten Fällen werden dabei mehr Informationen gesammelt als für die Erfüllung der Aufgabe des Assistenzsystems notwendig sind. Das Ziel dieser Dissertation ist die Konzeption und Implementierung von datenschutzfördernden Algorithmen für die Weitergabe sensibler Sensor- und Kontextinformationen zu den Analysewerkzeugen der Assistenzsysteme. Die Datenschutzansprüche der Nutzer werden dazu in Integritätsbedingungen der Datenbanksysteme transformiert, welche die gesammelten Informationen speichern und auswerten. Ausgehend vom Informationsbedarf des Assistenzsystems und den Datenschutzbedürfnissen des Nutzers werden die gesammelten Daten so nahe wie möglich am Sensor durch Selektion, Reduktion, Kompression oder Aggregation durch die Datenschutzkomponente des Assistenzsystems verdichtet. Sofern nicht alle Informationen lokal verarbeitet werden können, werden Teile der Analyse an andere, an der Verarbeitung der Daten beteiligte Rechenknoten ausgelagert. Das Konzept wurde im Rahmen des PArADISE-Frameworks (Privacy-AwaRe Assistive Distributed Information System Environment) umgesetzt und u. a. in Zusammenarbeit mit dem DFG-Graduiertenkolleg 1424 (MuSAMA-Multimodal Smart Appliances for Mobile Application) anhand eines Beispielszenarios getestet