Um mecanismo para recomendação de algoritmos de anonimização de dados baseado no perfil dos dados para ambientes IoT

Apesar dos grandes desafios relacionados à privacidade dos dados, a Internet das Coisas (IoT) continua em franca ascensão. Existem inúmeros dispositivos espalhados por vários locais, tais como, casas inteligentes, carros inteligentes, locais públicos, bem como, dispositivos que as pessoas usam em seu corpo, por exemplo, smartwatches. Parte dessas pessoas usam esses dispositivos sem saber das suas reais capacidades e potencialidades. Assim sendo, o problema que permeia esta pesquisa é: não foi identificado na literatura uma solução para privacidade de dados baseada em anonimização que seja adaptável para vários ambientes de uso da IoT. Diante disto, objetivou-se com esta pesquisa a proposição de uma solução que possa recomendar qual o algoritmo de anonimização de dados é mais adequado para um conjunto de dados de acordo com suas características, e que consiga aprender conforme analisa os dados. Para a condução e a execução desta pesquisa foi escolhido como método principal o Design Science Research (DSR) que é uma abordagem que tem duplo objetivo: (i) desenvolver um artefato para resolver um problema prático num contexto específico e (ii) gerar novos conhecimentos técnicos e científicos. As principais contribuições desta pesquisa serão: (i) a solução proposta; (ii) criação dos critérios para escolha de algoritmos de anonimização baseado nas características dos dados; (iii) uma ontologia para dar suporte a recomendação baseada na lógica de descrição; (iv) modelo de aprendizagem para atualizar a base de conhecimento da ontologia à medida que analisa novos dados; e (v) o método para a avaliação da solução proposta. Os resultados da Revisão Sistemática da Literatura (RSL) podem ser considerados contribuições para a comunidade científica, pois nela são apresentadas as principais técnicas de anonimização usadas atualmente para fornecer privacidade em IoT, bem como os pontos positivos e negativos de cada uma.