L’Ecole doctorale EDITE – Ecole doctorale informatique, télécommunications et électronique et Télécom SudParis avec le Laboratoire de recherche SAMOVAR
présentent
l’AVIS DE SOUTENANCE de Madame Azza Ben Mosbah
Autorisée à présenter ses travaux en vue de l’obtention du Doctorat de Télécom SudParis avec l’Université Pierre et Marie Curie en :
Informatique et Réseaux
« Un partage de spectre préservant la confidentialité »

Quand: le 24 mai 2017 à 10H00 – Salle F809
Où: Télécom ParisTech – 46 rue Barrault – 75013 Paris

Membres du jury :

Directeur de thèse

Hossam AFIFI – Professeur

Rapporteurs :

Véronique VEQUE	Professeur – Université Paris Sud
Jalel BEN-OTHMAN	Professeur – Université Paris 13

Examinateurs :

Yvon GOURHANT	Directeur de Recherche – Orange Labs
Samia BOUZEFRANE	Maïtre de Conférences – CNAM

Encadrant :

Timothy A. HALL

Ingénieur en Electronique – NIST

Résumé :

Les bandes des fréquences, telles qu’elles sont aménagées aujourd’hui, sont statiquement allouées. Afin d’améliorer la productivité et l’efficacité de l’utilisation du spectre, une nouvelle approche a été proposée : le « partage dynamique du spectre ». Les régulateurs, les industriels et les scientifiques ont examiné le partage des bandes fédérales entre les détenteurs de licences (utilisateurs primaires) et les nouveaux entrants (utilisateurs secondaires). La nature d’un tel partage peut faciliter les attaques d’inférence et mettre en péril les paramètres opérationnels des utilisateurs primaires. Par conséquent, le but de cette thèse est d’améliorer la confidentialité des utilisateurs primaires tout en permettant un accès secondaire au spectre.

Premièrement, nous présentons une brève description des règles de partage et des exigences en termes de confidentialité dans les bandes fédérales. Nous étudions également les techniques de conservation de confidentialité (obscurcissement) proposées dans les domaines d’exploration et d’édition de données pour contrecarrer les attaques d’inférence.

Ensuite, nous proposons et mettons en œuvre notre approche pour protéger la fréquence et la localisation opérationnelles contre les attaques d’inférence. La première partie étudie la protection de la fréquence opérationnelle en utilisant un obscurcissement inhérent et explicite pour préserver la confidentialité. La deuxième partie traite la protection de la localisation opérationnelle en utilisant la confiance comme principale contre-mesure pour identifier et atténuer un risque d’inférence.

Enfin, nous présentons un cadre axé sur les risques qui résume notre travail et s’adapte à d’autres approches de protection de la confidentialité.

Ce travail est soutenu par des modèles, des simulations et des résultats qui focalisent sur l’importance de quantifier les techniques de préservation de la confidentialité et d’analyser le compromis entre la protection de la confidentialité et l’efficacité du partage du spectre.

Abstract :

Radio frequencies, as currently allocated, are statically managed. Spectrum sharing between commercial users and incumbent users in the Federal bands has been considered by regulators, industry, and academia as a great way to enhance productivity and effectiveness in spectrum use. However, allowing secondary users to share frequency bands with sensitive government incumbent users creates new privacy threats in the form of inference attacks. Therefore, the aim of this thesis is to enhance the privacy of the incumbent while allowing secondary access to the spectrum.

First, we present a brief description of different sharing regulations and privacy requirements in Federal bands. We also survey the privacy-preserving techniques (i.e., obfuscation) proposed in data mining and publishing to thwart inference attacks.

Next, we propose and implement our approach to protect the operational frequency and location of the incumbent operations from inferences. We follow with research on frequency protection using inherent and explicit obfuscation to preserve the incumbent’s privacy. Then, we address location protection using trust as the main countermeasure to identify and mitigate an inference risk.

Finally, we present a risk-based framework that integrates our work and accommodates other privacy-preserving approaches.

This work is supported with models, simulations and results that showcase our work and quantify the importance of evaluating privacy-preserving techniques and analyzing the trade-off between privacy protection and spectrum efficiency.