Privacy per i Gemelli Digitali Umani: Applicazione delle Preferenze sulla Privacy in Scenari Complessi

The advent of new technologies has brought new features, improving opportunities and making services more attractive. Human Digital Twins (HDTs) are a novel technology that generates a digital representation of an individual. HDTs are implemented in different areas, such as healthcare, to monitor disease and test therapies, in Industry 4.0, to improve the workers’ well-being, or in the Metaverse to generate an accurate avatar. Since they require extensive personal data for these tasks, they have become an attractive target for hackers. Therefore, protecting users’ privacy and limiting data sharing is fundamental for users who want to use HDTs. This thesis aims to ensure privacy policy enforcement when employing this technology. To this aim, we first investigate HDTs in terms of security and privacy. Then, we present ConPrEF, a framework for edge computing - a paradigm that aligns with HDTs (e.g., edge nodes acquire users’ sensed data for generating the HDT) - where users can select their privacy preferences based on the contexts, namely, time, location, activity, situation and social interaction. Another challenge is the time required for HDT materialisation when privacy preferences need to be enforced, leading to delays in HDT-based services. This need improves when HDTs are used in complex services, such as processes, where each task involves a different service provider. Therefore, we introduce a system, HDT-ViewMat, which identifies the parts of an HDT that should be pre-materialised for each task, depending on the user’s chance of executing it. We then revise this strategy to consider more complex HDT-based scenarios, where multiple users jointly execute the process, and multiple providers deliver each task. Here, deciding which HDT portion needs to be pre-materialised must consider multiple privacy policies and preferences. Finally, we surveyed a group of users to assess their agreement with the proposed solution, and we tested our systems to assess their feasibility and the benefits they bring.

L'avvento di nuove tecnologie ha introdotto nuove funzionalità, migliorando le opportunità e rendendo i servizi più attrattivi. I Gemelli Digitali Umani (Human Digital Twins - HDTs) sono una tecnologia innovativa che genera una rappresentazione digitale di un individuo. Gli HDT vengono implementati in ambiti diversi, come quello medico, per monitorare le malattie e testare terapie, nell'Industria 4.0, per migliorare il benessere dei lavoratori, o nel Metaverso, per creare avatar accurati. Poiché per questi scopi è necessario raccogliere un grande quantitativo di dati personali, gli HDT sono diventati un bersaglio interessante per gli hacker. Pertanto, proteggere la privacy degli utenti e limitare la condivisione dei dati è fondamentale per coloro che vogliono utilizzare gli HDT. Questa tesi ha lo scopo di garantire l'applicazione delle politiche sulla privacy nell'uso di questa tecnologia. A tal fine, inizialmente analizziamo gli HDT in termini di sicurezza e privacy. Successivamente, presentiamo ConPrEF, un framework per l'edge computing - un paradigma che si allinea con gli HDT (ad esempio, i nodi edge possono acquisire i dati rilevati dagli utenti per generare l'HDT) - in cui gli utenti possono selezionare le proprie preferenze sulla privacy in base al contesto, ovvero tempo, posizione, attività, situazione e interazione sociale. Un'ulteriore sfida è rappresentata dal tempo necessario per la materializzazione di un HDT quando è necessario applicare le preferenze sulla privacy, causando ritardi nei servizi basati su questa tecnologia. Questa necessità aumenta quando gli HDT vengono utilizzati in scenari complessi, come nei processi, in cui ogni task coinvolge un diverso service provider. Perciò, introduciamo un sistema chiamato HDT-ViewMat, che identifica le parti di un HDT che devono essere pre-materializzate per ciascun task, basandosi sulla probabilità che l'utente lo esegua. Successivamente, abbiamo adattato questa strategia a scenari più complessi basati sugli HDT, in cui più utenti eseguono insieme un processo e diversi provider partecipano all'erogazione di ciascun task. In questo caso, decidere quale porzione dell'HDT deve essere pre-materializzata richiede di considerare molteplici policy e preferenze sulla privacy. Infine, abbiamo condotto un sondaggio su un gruppo di utenti per valutare il loro grado di consenso rispetto alla soluzione proposta, e abbiamo testato i nostri sistemi per valutarne la fattibilità e i benefici che apportano.