Projets de l’équipe de recherche collaborative – Projet 23
Données synthétiques et mesures de risque pour le contrôle statistique de la divulgation d’informations
Ce projet se concentre sur l’utilisation d’ensembles de données synthétiques pour la protection de la vie privée. Il aborde spécifiquement trois aspects de cette entreprise, à savoir le développement de méthodes avancées pour la génération de données synthétiques, la construction de mesures de risque sophistiquées et l’élaboration de nouvelles procédures inférentielles pour des ensembles de données synthétiques qui satisfont aux garanties formelles de confidentialité.
Catégorie de recherche :
Région : National
Date : 2022-2025
Pourquoi des données synthétiques et des mesures de risque ?
La recherche collaborative et le partage efficace des données se sont révélés être l’une des pierres angulaires de nos efforts pour promouvoir les découvertes scientifiques. De nombreux gouvernements et agences de financement ont mis en place de nouvelles politiques pour encourager la pratique du partage des données de recherche.
Cependant, compte tenu de l’inquiétude croissante suscitée par les divulgations et les atteintes à la vie privée non seulement de la part de la communauté des chercheurs, mais également des organisations publiques et privées, la mise en œuvre de telles politiques ne peut se produire que lorsque l’identité du sujet peut être bien protégée et que les informations contenues dans les données sont fidèlement préservées.
Favoriser la collaboration en soutenant la protection de la vie privée
Notre proposition est une excellente occasion de favoriser les collaborations à l’échelle nationale et internationale, de former du personnel hautement qualifié pour répondre aux besoins croissants des organisations canadiennes et, plus généralement, de sensibiliser et d’intéresser la recherche statistique sur la confidentialité des données au Canada.
Notre proposition de recherche se concentre sur l’utilisation d’ensembles de données synthétiques pour la protection de la vie privée. Nous abordons spécifiquement trois aspects de cette entreprise, à savoir le développement de méthodes avancées pour la génération de données synthétiques, la construction de mesures de risque sophistiquées et l’élaboration de nouvelles procédures inférentielles pour des ensembles de données synthétiques qui satisfont aux garanties formelles de confidentialité.
Les gens derrière le projet
Membres du groupe
Bei Jiang – Université d’Alberta
Anne-Sophie Charest | Université Laval
Collaborateurs
Sébastien Gambs | Université du Québec à Montréal
Linglong Kong | Université de l’Alberta
Jingchen (Monika) Hu | Vassar College
Adrian E. Raftery | Université de Washington
Russell J. Steele | Université McGill
Steven Thomas | Statistique Canada
Partenaires du projet
Services de santé de l’Alberta (AHS)
Villes-santé
Institut de la statistique du Québec (ISQ)
Statistique Canada
Explorez plus d’histoires
Trouver des programmes connexes
Sports Analytics est un projet d’équipe de recherche collaborative. Ce programme aborde des problèmes complexes à travers un programme de recherche et de formation de trois ans.
L’INCASS offre environ 200 000 $ pour ce type de projet, qui nécessite une équipe de professeurs, de postdoctorants et d’étudiants.