CAFIS : um framework para anonimização automatizada baseada em contexto e sensibilidade

Página do item simplificado
dc.contributor.advisorAndré Luís Andrade Menolli
dc.contributor.authorLuiz Fernando Pereira Nunes
dc.contributor.bancaBarros, Rodolfo Miranda de
dc.contributor.bancaMorandini, Marcelo
dc.coverage.extent98 p.
dc.coverage.spatialLondrina
dc.date.accessioned2026-09-14T18:34:45Z
dc.date.available2026-09-14T18:34:45Z
dc.date.issued2026-04-13
dc.description.abstractA intensificação do tratamento de dados pessoais em ambientes digitais ampliou os riscos à privacidade e evidenciou a necessidade de soluções técnicas capazes de operacionalizar a conformidade com legislações de proteção de dados. Este trabalho tem como objetivo desenvolver e validar o CAFIS, um framework automatizado para anonimização de dados pessoais baseado na análise de contexto e na sensibilidade dos atributos, em conformidade com a Lei Geral de Proteção de Dados Pessoais. O método adotado fundamenta-se na Design Science Research, estruturada nas etapas de relevância, rigor, design, construção e avaliação do artefato. O framework integra módulos de análise contextual da base, classificação de atributos, avaliação de sensibilidade e risco de reidentificação, seleção automatizada de técnicas de anonimização e geração de indicadores de conformidade. A avaliação empírica foi realizada por meio da aplicação do CAFIS em diferentes bases de dados, considerando critérios técnicos, jurídicos e éticos, com foco na preservação da utilidade dos dados e na mitigação dos riscos à privacidade. Os resultados indicam que o CAFIS apoia o processo decisório de anonimização de forma sistemática e contextualizada, permitindo mensurar a aderência aos princípios da LGPD, especialmente finalidade, necessidade, adequação, prevenção e responsabilização. Conclui-se que o framework contribui para a redução da lacuna entre a normatização jurídica e a implementação técnica da proteção de dados, oferecendo uma abordagem integrada, auditável e adaptável a diferentes contextos organizacionais, sem comprometer a utilidade analítica das informações
dc.description.abstractother1The intensification of personal data processing in digital environments has increased privacy risks and highlighted the need for technical solutions capable of operationalizing compliance with data protection legislation. This dissertation aims to develop and validate CAFIS, an automated framework for personal data anonymization based on contexto analysis and attribute sensitivity, in compliance with the Brazilian General Data Protection Law. The adopted method is grounded in Design Science Research, structured into the stages of relevance, rigor, design, construction, and artifact evaluation. The proposed framework integrates modules for contextual dataset analysis, attribute classification, sensitivity assessment and reidentification risk evaluation, automated selection of anonymization techniques, and generation of compliance indicators. The empirical evaluation was conducted through the application of CAFIS to different datasets, considering technical, legal, and ethical criteria, with a focus on preserving data utility and mitigating privacy risks. The results indicate that CAFIS supports the anonymization decision-making process in a systematic and context-aware manner, enabling the measurement of adherence to the principles of the General Data Protection Law, particularly purpose limitation, necessity, adequacy, prevention, and accountability. It is concluded that the framework contributes to reducing the gap between legal regulation and the technical implementation of data protection, offering an integrated, auditable, and adaptable approach to diferente organizational contexts without compromising the analytical utility of the data
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/19945
dc.language.isopor
dc.relation.departamentCCE - Departamento de Computação
dc.relation.institutionnameUniversidade Estadual de Londrina - UEL
dc.relation.ppgnamePrograma de Pós-Graduação em Ciência da Computação
dc.subjectAnonimização de dados
dc.subjectProteção de dados pessoais
dc.subjectLGPD
dc.subjectFramework automatizado
dc.subjectPrivacidade da informação
dc.subject.capesCiências Exatas e da Terra - Ciência da Computação
dc.subject.cnpqCiências Exatas e da Terra - Ciência da Computação
dc.subject.keywordsData anonymization
dc.subject.keywordsPersonal data protection
dc.subject.keywordsLGPD
dc.subject.keywordsAutomated framework
dc.subject.keywordsInformation privacy
dc.titleCAFIS : um framework para anonimização automatizada baseada em contexto e sensibilidade
dc.title.alternativeCAFIS : an framework for context- and sensitivity-based automated anonymization
dc.typeDissertação
dcterms.educationLevelMestrado Acadêmico
dcterms.provenanceCentro de Ciências Exatas

Arquivos

Pacote Original
Agora exibindo 1 - 2 de 2
Imagem de Miniatura
Nome:
CE_COM_Me_2026_Nunes_Luiz_FP.pdf
Tamanho:
2.72 MB
Formato:
Adobe Portable Document Format
Descrição:
Texto completo ID. 196044
Baixar
Nenhuma Miniatura disponível
Nome:
CE_COM_Me_2026_Nunes_Luiz_FP_Termo.pdf
Tamanho:
232.98 KB
Formato:
Adobe Portable Document Format
Descrição:
Termo de autorização
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
555 B
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

02 - Mestrado - Ciência da Computação