We review our recent work on how to compute optimal repairs, optimal compliant anonymizations, and optimal safe anonymizations of ABoxes containing possibly anonymized individuals. The results can be used both to remove erroneous consequences from a knowledge base and to hide secret information before publication of the knowledge base, while keeping as much as possible of the original information. / Updated on August 27, 2021. This is an extended version of an article accepted at DL 2021.

Machine Learning (ML) profitiert erheblich von der Verfügbarkeit großer Mengen an Trainingsdaten, sowohl im Bezug auf die Anzahl an Datenpunkten, als auch auf die Anzahl an Features pro Datenpunkt. Es ist allerdings oft weder möglich, noch gewollt, mehr Daten unter zentraler Kontrolle zu aggregieren. Multi-Party-Computation (MPC)-Protokolle stellen eine Lösung dieses Dilemmas in Aussicht, indem sie es mehreren Parteien erlauben, ML-Modelle auf der Gesamtheit ihrer Daten zu trainieren, ohne die Eingabedaten preiszugeben. Generische MPC-Ansätze bringen allerdings erheblichen Mehraufwand in der Kommunikations- und Laufzeitkomplexität mit sich, wodurch sie sich nur beschränkt für den Einsatz in der Praxis eignen. Das Ziel dieser Arbeit ist es, Privatsphäreerhaltendes Machine Learning mittels MPC praxistauglich zu machen. Zuerst fokussieren wir uns auf zwei Anwendungen, lineare Regression und Klassifikation von Dokumenten. Hier zeigen wir, dass sich der Kommunikations- und Rechenaufwand erheblich reduzieren lässt, indem die aufwändigsten Teile der Berechnung durch Sub-Protokolle ersetzt werden, welche auf die Zusammensetzung der Parteien, die Verteilung der Daten, und die Zahlendarstellung zugeschnitten sind. Insbesondere das Ausnutzen dünnbesetzter Datenrepräsentationen kann die Effizienz der Protokolle deutlich verbessern. Diese Beobachtung verallgemeinern wir anschließend durch die Entwicklung einer Datenstruktur für solch dünnbesetzte Daten, sowie dazugehöriger Zugriffsprotokolle. Aufbauend auf dieser Datenstruktur implementieren wir verschiedene Operationen der Linearen Algebra, welche in einer Vielzahl von Anwendungen genutzt werden. Insgesamt zeigt die vorliegende Arbeit, dass MPC ein vielversprechendes Werkzeug auf dem Weg zu Privatsphäre-erhaltendem Machine Learning ist, und die von uns entwickelten Protokolle stellen einen wesentlichen Schritt in diese Richtung dar. / Machine learning (ML) greatly benefits from the availability of large amounts of training data, both in terms of the number of samples, and the number of features per sample. However, aggregating more data under centralized control is not always possible, nor desirable, due to security and privacy concerns, regulation, or competition. Secure multi-party computation (MPC) protocols promise a solution to this dilemma, allowing multiple parties to train ML models on their joint datasets while provably preserving the confidentiality of the inputs. However, generic approaches to MPC result in large computation and communication overheads, which limits the applicability in practice. The goal of this thesis is to make privacy-preserving machine learning with secure computation practical. First, we focus on two high-level applications, linear regression and document classification. We show that communication and computation overhead can be greatly reduced by identifying the costliest parts of the computation, and replacing them with sub-protocols that are tailored to the number and arrangement of parties, the data distribution, and the number representation used. One of our main findings is that exploiting sparsity in the data representation enables considerable efficiency improvements. We go on to generalize this observation, and implement a low-level data structure for sparse data, with corresponding secure access protocols. On top of this data structure, we develop several linear algebra algorithms that can be used in a wide range of applications. Finally, we turn to improving a cryptographic primitive named vector-OLE, for which we propose a novel protocol that helps speed up a wide range of secure computation tasks, within private machine learning and beyond. Overall, our work shows that MPC indeed offers a promising avenue towards practical privacy-preserving machine learning, and the protocols we developed constitute a substantial step in that direction.

We make a first step towards adapting an existing approach for privacypreserving publishing of linked data to Description Logic (DL) ontologies. We consider the case where both the knowledge about individuals and the privacy policies are expressed using concepts of the DL EL, which corresponds to the setting where the ontology is an EL instance store. We introduce the notions of compliance of a concept with a policy and of safety of a concept for a policy, and show how optimal compliant (safe) generalizations of a given EL concept can be computed. In addition, we investigate the complexity of the optimality problem.

In den letzten Jahren wurden viele Methoden entwickelt, um den Schutz der Privatsphäre bei der Veröffentlichung von Daten zu gewährleisten. Die meisten Verfahren anonymisieren eine gesamte Datentabelle, sodass sensible Werte einzelnen Individuen nicht mehr eindeutig zugeordnet werden können. Deren Privatsphäre gilt als ausreichend geschützt, wenn eine Menge von mindestens k sensiblen Werten existiert, aus der potentielle Angreifer den tatsächlichen Wert nicht herausfinden können. Ausgangspunkt für die vorliegende Arbeit ist eine Sequenz von Anfragen auf personenbezogene Daten, die durch ein Datenbankmanagementsystem mit der Rückgabe einer Menge von Tupeln beantwortet werden. Das Ziel besteht darin herauszufinden, ob Angreifer durch die Kenntnis aller Ergebnisse in der Lage sind, Individuen eindeutig ihre sensiblen Werte zuzuordnen, selbst wenn alle Ergebnismengen anonymisiert sind. Bisher sind Verfahren nur für aggregierte Anfragen wie Summen- oder Durchschnittsbildung bekannt. Daher werden in dieser Arbeit Ansätze entwickelt, die den Schutz auch für beliebige Anfragen gewährleisten. Es wird gezeigt, dass die Lösungsansätze auf Matchingprobleme in speziellen Graphen zurückgeführt werden können. Allerdings ist das Bestimmen größter Matchings in diesen Graphen NP-vollständig. Aus diesem Grund werden Approximationsalgorithmen vorgestellt, die in Polynomialzeit eine Teilmenge aller Matchings konstruieren, ohne die Privatsphäre zu kompromittieren. / Over the last ten years many techniques for privacy-preserving data publishing have been proposed. Most of them anonymize a complete data table such that sensitive values cannot clearly be assigned to individuals. Their privacy is considered to be adequately protected, if an adversary cannot discover the actual value from a given set of at least k values. For this thesis we assume that users interact with a data base by issuing a sequence of queries against one table. The system returns a sequence of results that contains sensitive values. The goal of this thesis is to check if adversaries are able to link uniquely sensitive values to individuals despite anonymized result sets. So far, there exist algorithms to prevent deanonymization for aggregate queries. Our novel approach prevents deanonymization for arbitrary queries. We show that our approach can be transformed to matching problems in special graphs. However, finding maximum matchings in these graphs is NP-complete. Therefore, we develop several approximation algorithms, which compute specific matchings in polynomial time, that still maintaining privacy.

DIE LEGALISIERUNG DER INTIMITÄT IN MEXIKO von Manuel Castillo Diese Dissertation wurde zur Erlangung des akademischen Grades Doctor iuris (Dr. iur.) an der Juristischen Fakultät der Humboldt-Universität zu Berlin in Deutschland vorgelegt. Das Hauptthema der Forschung ist die Legalisierung der Intimität, am Fallbeispiel des mexikanischen Rechts. Mit der Prämisse, dass das Recht auf Intimität sich aus dem Recht auf Privatsphäre ergibt, bespricht diese Forschungsarbeit die grundlegenden Menschenrechte, die einen Rahmen für die Legalisierung der Intimität ermöglichen. Die Einführung, der Sphären und Strukturen der Intimität, liefert eine Vorgehensweise zur Analyse dieses Themas. Es erfolgt eine Betrachtung der Frage der Geschlechter in ihrer Beziehung mit dem Recht und der Intimität. Aus einer „queer“ Perspektive hinterfragt diese Dissertation die Gleichstellung von Ehe und gleichgeschlechtlicher Ehe, mit dem Argument, ob eine neue Form der Legalisierung der Intimität für alle notwendig ist. Darüber hinaus, liefert diese Arbeit eine vergleichende Bewertung der mexikanischen Rechtsvorschriften im Rahmen des Völkerrechts. Am Ende der Dissertation, wird ein Vorschlag zur Legalisierung der Intimität im einundzwanzigsten Jahrhundert dargeboten. / THE LEGALIZATION OF INTIMACY IN MEXICO by Manuel Castillo This dissertation has been submitted in partial fulfillment of the requirements for the degree of Doctor iuris (Dr. iur.) at the Faculty of Law, of the Humboldt-Universität zu Berlin in Germany. The main scope of the research is the legalization of intimacy, using Mexican law as a case study. Considering that the right to intimacy arises from the right to privacy, this research discusses the fundamental human rights that constitute a framework for the legalization of intimacy. The research provides an approach to the analysis of this subject that includes what has been introduced as the Spheres of Intimacy and the Structures of Intimacy. The issue of gender is discussed in its relationship with the law and intimacy. From a queer perspective, this dissertation questions the equality of marriage and same-sex marriage, arguing that a new form of legalization of intimacy for all is needed. Furthermore, this study provides a comparative review of Mexican legislations within the framework of international law. At the end, this dissertation offers a proposal for the legalization of intimacy in the twenty-first century.

Die wachsende Zahl an Menschen, die aus ihren Herkunftsländern fliehen musste und nach 2015 in Berlin ankam, stellte städtische Einrichtungen und die Bereitstellung sozioökonomischer Dienstleistungen für Personen mit diversen soziokulturellem und politischen Hintergründen vor eine große Herausforderung. Es gilt anzunehmen, dass zusätzlich zu früheren traumatischen Erfahrungen, der mehrdimensionale und komplizierte Prozess der Verteilung von Geflüchteten in städtischen Räumen zu Belastungen führen und die Prävalenz psychischer Störungen erhöhen kann. Angesichts der Tatsache, dass geflüchtete Frauen verstärkt unter verschiedenen Formen stressbedingter Störungen leiden, zielt die Dissertation darauf ab, jene sozialen Stressoren in drei verschiedenen sozio-räumlichen Settings zu untersuchen, welchen sich geflüchtete Frauen bei ihrer Ankunft in Berlin ausgesetzt wahrnahmen. / The growing number of forcibly displaced people arriving in Berlin after 2015 brought about an extensive challenge in providing urban socio-economic facilities and services for numerous individuals from different socio-cultural and political backgrounds. The multi-dimensional and complicated process of resettlement of refugees in urban spaces, in addition to their earlier traumatic experiences, might result in distress and intensify the prevalence of mental disorders. Considering that refugee women are more likely to suffer from various forms of stress-related disorders, the dissertation aimed to evaluate the perceived social stressors by refugee women in three different socio-spatial settings upon their arrival in Berlin.

In den wissenschaftlichen Disziplinen der Mathematik, Physik, Philosophie, Geschichte und der Geografie ist der Raum sowohl als Untersuchungsgegenstand als auch als Analyseinstrument von zentralem Interesse. Er kann als soziales Phänomen und Produkt sozialer Praktiken und Handlungen gelten. Theoretische Annahmen solcher Art qualifizieren Raum als analytische Kategorie und sorgen für seine Anschlussfähigkeit an die Geschlechterdifferenzierungsforschung sowie die Gender und Queer Studies. In den Fokus gerät dabei die Interdependenz von Raum- und Geschlechterordnungen.

Diese Dissertation untersucht das Nutzerverhalten und die Einstellungen von Smartphone- und App-BenutzerInnen und welche Rolle die Kultur in Bezug auf mobile Privatsphäre spielt. Die zentrale Forschungsfrage lautet: Gibt es Unterschiede im Verhalten und in der Einstellung von amerikanischen und deutschen Studenten der Bibliotheks- und Informationswissenschaften in Bezug auf die mobile Privatsphäre? Im Mittelpunkt dieser Dissertation steht die ethnographische Forschung in einem interkulturellen Umfeld. Das Forschungsdesign besteht aus halb-strukturierten Interviews, gekoppelt mit Experimenten und Beobachtungen der Teilnehmer über die Nutzung mobiler Technologien. Die Feldforschung 1 wurde (in persona) an zwei verschiedenen Orten durchgeführt: an der Humboldt-Universität zu Berlin, Deutschland, und an der Rutgers State University of New Jersey, USA. Die Feldforschung 2 wurde (digital) über eine Online-Videokonferenzplattform durchgeführt. Im Gegensatz dazu, was die Autorin dieser vorliegenden Studie prognostizierte, kommt es zu folgenden Ergebnissen in dieser Studie: Bei den Probanden können fast keine kulturellen Unterschiede im Verhalten und in der Einstellung zur mobilen Privatsphäre festgestellt werden. Stattdessen werden in Bezug auf die mobile Privatsphäre ähnliche Einstellungen unter den Studienteilnehmenden festgestellt. Zum einen die Selbstzufriedenheit, zum anderen das Gefühl der Hilfslosigkeit und schließlich Pragmatismus scheinen, deutsche und amerikanische Studierende gleichermaßen zu beeinflussen. Das Ergebnis wurde aber ursprünglich nicht so erwartet, da eigentlich zu Beginn der Studie davon ausgegangen wurde, dass der unterschiedliche Kenntnis- und Bewusstseinsstand zur mobilen Privatsphäre in beiden Kulturen zu unterschiedlichen Reaktionen führen würde. Dennoch bieten die Ergebnisse dieser Studie sicher nachfolgenden WissenschaftlerInnen interessante Impulse und eine gute Ausgangsbasis für weitere Studien. / This dissertation examines the role of culture, mobile privacy, apps, and user behavior and attitude. The core research question is: Are there differences in the mobile privacy behaviors and attitudes of American and German library and information science students? This dissertation uses ethnography as its research methodology since culture is at the heart of ethnography. Furthermore, ethnographers try to make sense of behavior, customs, and attitudes of the culture they observe and research. This ethnographer aims to portray a thick narrative and transforms participants' mobile privacy attitude and behavior into a rich account. The research design is comprised of semi-structured interviews, coupled with experiments and participant observations about mobile technology use. Fieldwork 1 was conducted in two different sites: Humboldt-Universität zu Berlin, Germany, and Rutgers, the State University of New Jersey, USA. Fieldwork 2 was conducted via an online video conferencing platform. Contrary to what this researcher predicted, the findings have revealed that there are nearly no cultural differences in mobile privacy behavior and attitude. Similar attitudes, such as mobile privacy complacency, mobile privacy learned-helplessness, and mobile privacy pragmatism, seem to impact German and American students equally. The findings provide support for further research recommendations, and in conclusion, this researcher highlights three contributions this study makes to the scholarly literature.