Avaluació del risc de privacitat per a recerca en línia i sistemes d'etiquetatge social

[ANGLÈS] The lack of privacy is nowadays a serious security issue for users on the Internet, since personalized information systems are in fact collecting an incredible amount of information, to the point where it appears they know us better than ourselves. Every single step we take on the Web can be detected by the same companies that are providing the most popular services, such as search engines and social networks. Search queries, tags, clicks, e-mails, tweets can be used to get an accurate profile of our activity. Even when the profiling of this information is a huge privacy risk, only a few tools propose a protection mechanism taking this into consideration. TrackMeNot is one of these tools, which implements perturbation of a user’s queries, by generating fake ones, to obfuscate the user’s profile , although, similarly to other tools, it is not immediate to evaluate to what extent it is protecting users privacy. We have firstly contributed to the another work, where the user’s privacy is measured, interpreted and showed for the user in the Firefox web browser. Privacy is computed based on the search queries of the user. But, since social tags are an important component of users’ data, we have developed some modules to take these into consideration in the process of measuring privacy, and not only the search queries. Additionally, we also evaluated the obfuscation mechanism offered by TrackMeNot to protect user’s privacy. By implementing justified privacy metrics we measured the efficiency of TrackMeNot to enhance the user’s privacy. We found that for identifying attacks TrackMeNot importantly improved the user’s privacy. However, for more sophisticated attacks, such as classification attacks, the obfuscation mechanism was not successful enough. The way of generating fake queries is crucial to efficiently obfuscate the user’s profile against classification attacks. Finally, TrackMeNot was integrated with PrivMeter in such a way that the privacy metrics are showed both for the real and obfuscated user’s profiles.[CASTELLÀ] La falta de privacidad es actualmente un grave problema de seguridad para los usuarios de Internet, ya que los servicios de información personalizados recolectan tal cantidad de información que parecería que éstos nos conocen mejor de lo que nos conocemos nosotros mismos. Cada paso que damos en la Web puede ser detectado por las compañías que proveen los servicios más populares como motores de búsqueda y redes sociales. Las consultas de búsqueda, las etiquetas, los clics, los mensajes de correo electrónico, los twits pueden ser utilizados para obtener un perfil preciso de nuestra actividad. Aunque la obtención de perfiles en base a esta información es una fuente gigantesca de riesgo de privacidad, solamente unas pocas herramientas ofrecen un mecaniso de protección que tome en cuenta estos datos de usuario. TrackMeNot es una de esas herramientas, que implementa perturbación de las consultas de búsqueda de usuario, mediante la generación de consultas falsas, con el fin de ofuscar el perfil de usuario. Sin embargo, así como sucede con otras aplicaciones, no hay certeza de la eficiencia de esta herramienta en la protección de la privacidad. En este trabajo se mide la privacidad del usuario, interpretada y mostrada para el usuario en el navegador web Firefox mediante una extensión denominada PrivMeter. La privacidad en esa propuesta se calcula en base a perfil generado a partir de las consultas que realiza el usuario en los principales motores de búsqueda. Pero, al ser las etiquetas sociales piezas importantes de información de usuario, desarrollamos algunos módulos que consideran estas etiquetas en el proceso de medición de privacidad. Además, evaluamos también el mecanismo de ofuscación ofrecido por TrackMeNot en su afán de proteger la privacidad del usuario. Medimos la eficiencia de TrackMeNot en el mejoramiento de la privacidad del usuario. Encontramos que, frente a ataques de identificación, esa herramienta mejora de manera importante la privacidad del usuario. Sin embargo, frente a ataques más sofisticados, como los de clasificación, el mecanismo de ofuscación no es suficientemente exitoso. La forma de generar las consultas, en este caso, es crucial para ofuscar el perfil de usuario de manera eficiente frente a ataques de clasificación.[CATALÀ] La manca de privacitat és actualment un greu problema de seguretat per als usuaris d'Internet, ja que els serveis d'informació personalitzats recol·lecten tal quantitat d'informació que semblaria que aquests ens coneixen millor del que ens coneixem nosaltres mateixos. Cada pas que donem a la web pot ser detectat per les companyies que proveeixen els serveis més populars com a motors de cerca i xarxes socials. Les consultes de cerca, les etiquetes, els clics, els missatges de correu electrònic, els twits poden ser utilitzats per obtenir un perfil precís de la nostra activitat. Encara que l'obtenció de perfils en base a aquesta informació és una font gegantina de risc de privacitat, només unes poques eines ofereixen un mecaniso de protecció que prengui en compte aquestes dades d'usuari. TrackMeNot és una d'aquestes eines, que implementa pertorbació de les consultes de cerca d'usuari, mitjançant la generació de consultes falses, per tal de ofuscar el perfil d'usuari. No obstant això, així com succeeix amb altres aplicacions, no hi ha certesa de l'eficiència d'aquesta eina en la protecció de la privacitat. En aquest treball, es mesura la privacitat de l'usuari, interpretada i mostrada per l'usuari en el navegador web Firefox mitjançant una extensió anomenada PrivMeter. La privacitat en aquesta proposta es calcula basant-perfil generat a partir de les consultes que realitza l'usuari en els principals motors de cerca. Però, en ser les etiquetes socials peces importants d'informació d'usuari, desenvolupem alguns mòduls que consideren aquestes etiquetes en el procés de mesurament de privacitat. A més, avaluem també el mecanisme d'ofuscació ofert per TrackMeNot en el seu afany de protegir la privadesa dels usuaris. Mesurem l'eficiència de TrackMeNot en la millora de la privacitat de l'usuari. Trobem que, davant d'atacs d'identificació, aquesta eina millora de manera important la privacitat de l'usuari. No obstant això, davant d'atacs més sofisticats, com els de classificació, el mecanisme d'ofuscació no és prou reeixit. La forma de generar les consultes, en aquest cas, és crucial per ofuscar el perfil d'usuari de manera eficient davant d'atacs de classificació. Finalment, s'integra TrackMeNot amb l'eina PrivMeter de manera que les mètriques de privacitat corresponents tant al perfil real com aparent de l'usuari es mostrin a la interfície