Manel Jerbi

Chercheuse postdoctorale à l’Université du Luxembourg

Manel Jerbi est chercheuse postdoctorale au sein du groupe SaToSS (Security and Trust of Software Systems) de l’Université du Luxembourg. Elle a obtenu en 2021 un doctorat en informatique à l’Université de Tunis, consacré à la détection des malwares Android à l’aide de techniques d’optimisation évolutive et de motifs artificiels. Ses travaux actuels portent sur la confidentialité différentielle, la synthèse de graphes sociaux et les problématiques de préservation de la vie privée dans les données de réseaux. Elle a publié sur la détection de malwares et sur la protection de données dans les réseaux sociaux hétérogènes, et s’intéresse particulièrement aux approches combinant modèles formels, optimisation et sécurité.

Title: Synthèse de graphes sociaux et confidentialité différentielle: principes, défis et applications

Les graphes sociaux sont largement utilisés pour analyser les relations, modéliser les interactions ou étudier des réseaux réels tels que les communications, les réseaux sociaux ou les collaborations scientifiques. Pourtant, leur diffusion ou leur exploitation soulève de forts risques de réidentification : même après suppression des identifiants, la structure du graphe peut suffire à reconnaître des individus ou révéler des informations sensibles.

Cette présentation introduira d’abord les éléments de base des graphes sociaux : structure, types de réseaux, propriétés locales et globales, ainsi que les principales menaces liées à leur publication.

Nous aborderons ensuite les fondements de la confidentialité différentielle, ses définitions clés et les mécanismes adaptés aux graphes. Une attention particulière sera portée à la synthèse de graphes sous confidentialité différentielle, approche permettant de générer des réseaux artificiels préservant des caractéristiques statistiques pertinentes tout en protégeant les individus du graphe original.

Des exemples concrets illustreront les compromis entre utilité des données et protection de la vie privée, les avantages de la génération synthétique, ainsi que les limites actuelles et défis ouverts (qualité structurelle, scalabilité, hétérogénéité).